使用神經網路工具箱可以非常簡便地實現網路建立和訓練，例項程式碼如下：；%% BP演算法function Out=bpnet(p,t,p_test)%p,t為樣本需要提前組織好global S1net=newff(minmax(p),[S1,8],{"tansig","purelin"},"trainlm"); %trainlm訓練函式最有效%net=newff(P,T,31,{"tansig","purelin"},"trainlm");%新版用法net.trainParam.epochs=1000;net.trainParam.goal=0.00001;net.trainParam.lr=0.01;net.trainParam.showWindow = false; %阻止訓練視窗的彈出net.trainParam.showCommandLine = false; %阻止訓練視窗的彈出net=train(net,p,t);Out=sim(net,p_test);end；上面的程式碼不完整，完整的帶訓練樣本資料的程式見附件。
使用神經網路工具箱可以非常簡便地實現網路建立和訓練，例項程式碼如下：；%% BP演算法function Out=bpnet(p,t,p_test)%p,t為樣本需要提前組織好global S1net=newff(minmax(p),[S1,8],{"tansig","purelin"},"trainlm"); %trainlm訓練函式最有效%net=newff(P,T,31,{"tansig","purelin"},"trainlm");%新版用法net.trainParam.epochs=1000;net.trainParam.goal=0.00001;net.trainParam.lr=0.01;net.trainParam.showWindow = false; %阻止訓練視窗的彈出net.trainParam.showCommandLine = false; %阻止訓練視窗的彈出net=train(net,p,t);Out=sim(net,p_test);end；上面的程式碼不完整，完整的帶訓練樣本資料的程式見附件。