提供了四種方式構建神經網絡，分別是NeuralExpert、NeuralBuilder、pre-recorded macro和手動創建。運行NeuralExpert是構建神經網絡最簡單的方法。本文主要介紹如何利用NeuralExpert構建神經網絡。

NeuralExpert是以詢問的方式智能地構建神經網絡?；谒枰鉀Q問題的描述，NeuralExpert配置了相關參數和探頭。一旦你選擇了問題的類型，你可以看到左側面板上需要回答的所有問題。你可以點擊這些步驟/號碼瀏覽問答。一旦神經網絡構建成功，你可以直接在breadboard上或者NeuralExpert內修改相關設置。因此，即使你不了解神經網絡類型，你也可以通過NeuralExpert建立出成功的神經網絡模型。

Problem Type Selection面板

利用NeuralExpert構建神經網絡的第一步是指定問題類型。NeuralExpert 包含了四個問題類型：Classification、Prediction、Function Approximation和Clustering。如果你的問題不屬于這四種類型之一，那么你就應該選擇NeuralBuilder。

Input File Selection面板

 選擇了問題類型后，你需要選擇輸入文件。Input File Selection面板用于指定輸入文件的位置。

Tag Input Columns面板

構建模型的下一步是標記輸入列。NeuralExpert標簽輸入列面板用于指定哪些數據將傳入神經網絡。ASCII列數據通常作為第一行的列標簽。如果不這樣，向導會詢問你是否想添加列標簽。

Desired File Selection面板

Desired File Selection面板用于指定輸出數據文件的目標位置。

Tag Desired Columns面板

NeuralExpert標簽面板所需列用于指定你希望神經網絡產生什么樣的數據。例如，在本圖中，數據的第一列是"SpecimenNumber，并不是我們所需要的嘗試的分類。接下來的6列被指定為輸入數據。最后一列是所期望的輸出("Sex")。

Tag Symbolic Desired面板

Tag Desired Columns面板用于設定輸出列中是否包含符號數據。符號列的每個數據元素都是一串字符。

Generalization Protection面板

通用保護面板（Generalization Protection）用于指定數據量以留作交叉驗證。"None" 表示所有的輸入數據和所需文件將用于訓練。當處理較少數據（如少于100行）時，一般就用該選項。"Normal"表示20%的數據將被留作交叉驗證。"High"表示40%的數據將被用于交叉驗證。該選項適用于大數據量時，如10,000行或更多時。

Out Of Sample Testing面板

Out Of Sample Testing面板用于指定測試集的數據量。該百分比將隨著你測試的樣本數據網絡數據量的變化而變化。默認設置是20%。

Network Complexity面板

Network Complexity面板用于指定隱藏層和處理單元（神經元）中神經網絡的規模。一般情況下，小型神經網絡優于大型神經網絡。如果一個小型神經網絡能夠有效地解決你的問題（你會驚奇地發現小型神經網絡的強大之后），你就不必要選擇大型神經網絡。因為大型神經網絡不僅需要更多的訓練和測試時間，而且對新數據的操作性較差。

通過以上步驟，成功地利用NeuralExpert構建神經網絡，如下圖所示：