这是制作MATLAB GUI中初学者最常见的错误，本人进过一个学期的学习后收集了这份资料，和实用的

5.神经网络时间序列工具(ntstool) 时间序列中数据的取值依赖时间的变化，邻近时刻的数值分布存在一定的规律性，从而在整体上呈现某种趋势或周期性变化的规律，因此可以由已知数据预测未知数据。但每个数据点的取值又伴有随机性，无法完全由历史数据推演得到。 时间序列分析可以借助许多数学工具。如滑动平局模型，二次滑动平均模型等 . MATLAB神经网络工具箱为用户提供了时间序列工具ntstool，它可以解决三类时间序列问题： 有外部输入的非线性自回归； 无外部输入的非线性自回归； 时间延迟问题。

IIR 数字低通滤波器(用MATLAB GUI设计.内附源码) 使用MATLAB GUI 制作可以更改参数的IIR数字低通滤波器,已生成可独立执行的EXE格式文件.里面有工程文件的原码FIG.用户可以根据自已的要求更改界面,再生成EXE格式

matlab的gui设计经典教程，适合初学者、开发人员等读者参考。

《matlab gui设计学习手记》罗华飞 第9章里面的源代码 网络上流传的源代码没有第九章的内容 ，发一个作为补充。

资源李主要包括值机、退票/改签、购票、顾客管理、航班管理，利用文本读取的方式读取系统中的航班和乘客信息

1、基于matlab的平面面积测量及GUI设计，附有完整数据集 2、基于matlab的yolo目标识别，附有完整数据集 3、代码注释非常详细，非常适合学习

Matlab MFCC音乐特征匹配与DTW算法识别（含GUI设计）项目的源代码，时间有点久了代码可能没有上传全，不保证使用效果，仅供学习参考。GUI在MATLAB中已废弃，不推荐使用，最好改用APP Designer。

一个Matlab GUI设计案例，目的为读取“.txt”文件，并绘图，且保存“.txt”文件数据。本压缩文件包含操作说明、“.m”、“.exe”所有相关文件，包括解决文件。

现有训练集数据，1000 × 7，如下： xxxxxxxxxxxxxxxxxxxx 有测试集数据，100 × 7，如下： xxxxxxxxxxxxxxxxxxxx 以上数据分别是从某系统采集的数据，  训练数据集中，分别是采集的数据和标注结果，其中1、2分别表示该系统有无故障；  测试数据集中，分别是采集的数据和真实结果，其中1、2分别表示该系统有无故障； 现在需要使用训练数据集训练BP神经网络，然后用训练好的神经网络对测试数据集进行测试，并与真实结果进行对比，最终分析出神经网络的性能。 % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global output_test inputn_train outputn_train inputn_test ... outputps BPoutput_test xunlian_num Error input_train output_train %创建网络 %获得gui_set中值 num_yinhan=str2num(get(findobj('tag','edit_yinhan'),'string')); TF=get(findobj('tag','transfer'),'string'); %传递函数 valueTF=get(findobj('tag','transfer'),'value'); TF=TF{valueTF}; BTF=get(findobj('tag','train'),'string'); %训练函数 valueBTF=get(findobj('tag','train'),'value'); BTF=BTF{valueBTF}; BLF=get(findobj('tag','learn'),'string'); %学习函数 valueBLF=get(findobj('tag','learn'),'value'); BLF=BLF{valueBLF}; tic;%启动一个定时器 net=newff(inputn_train,outputn_train,num_yinhan,{TF},BTF,BLF); net.trainParam.epochs=str2num(get(findobj('tag','cishu'),'string')); net.trainParam.goal=str2num(get(findobj('tag','goal'),'string')); net.trainParam.lr=str2num(get(findobj('tag','rate'),'string')); net=train(net,inputn_train,outputn_train); an=sim(net,inputn_test); t=toc;%关闭定时器，获取程序运行时间 %网络输出反归一化