Активационной функцией может выступать любая

Активационной функцией может выступать любая дифференцируемая функция, например, tansig, logsig, purelin.

Net=netff(minmax (P), [n,m, l],{ logsig, logsig, purelin },trainpr),

где P - множество входных векторов;

n - количество входов НС;
m - количество нейронов в скрытом слое;
l - количество выходов НС.

Необходимо также установить метод расчета значения ошибки. Например, если выбран метод наименьших квадратов, то эта функция будет выглядеть так: Net.performFcn='SSE'.
Для установления максимального количества эпох равным 10000 воспользуемся функцией: net.trainParam.epochs=10000.
Запустить процесс обучения можно таким образом:

[net,tr]=train(net,P,T);

После окончания обучения сети ее можно сохранить в файле, например, с именем nn1.mat. Для этого необходимо выполнить команду:

save nn1 net;

Таким образом, в пакете возможно конструирование сети любой сложности и нет необходимости привязываться к ограничениям, накладываемым нейросимуляторами. Однако для работы с нейронными сетями в пакете Matlab необходимо изучить как саму среду, так и большинство функций Neural Network Toolbox. Для более детального изучения конструирования нейронных сетей в Neural Network Toolbox можно порекомендовать [49, 50].