NeuroSolutions提供了四种方式构建神经网络，分别是NeuralExpert、NeuralBuilder、pre-recorded macro和手动创建。运行NeuralExpert是构建神经网络最简单的方法。本文主要介绍如何利用NeuralExpert构建神经网络。

NeuralExpert是以询问的方式智能地构建神经网络。基于所需要解决问题的描述，NeuralExpert配置了相关参数和探头。一旦你选择了问题的类型，你可以看到左侧面板上需要回答的所有问题。你可以点击这些步骤/号码浏览问答。一旦神经网络构建成功，你可以直接在breadboard上或者NeuralExpert内修改相关设置。因此，即使你不了解神经网络类型，你也可以通过NeuralExpert建立出成功的神经网络模型。

Problem Type Selection面板

利用NeuralExpert构建神经网络的第一步是指定问题类型。NeuralExpert 包含了四个问题类型：Classification、Prediction、Function Approximation和Clustering。如果你的问题不属于这四种类型之一，那么你就应该选择NeuralBuilder。

Input File Selection面板

选择了问题类型后，你需要选择输入文件。Input File Selection面板用于指定输入文件的位置。

Tag Input Columns面板

构建神经网络模型的下一步是标记输入列。NeuralExpert标签输入列面板用于指定哪些数据将传入神经网络。ASCII列数据通常作为第一行的列标签。如果不这样，向导会询问你是否想添加列标签。

Desired File Selection面板

Desired File Selection面板用于指定输出数据文件的目标位置。

Tag Desired Columns面板

NeuralExpert标签面板所需列用于指定你希望神经网络产生什么样的数据。例如，在本图中，数据的第一列是"SpecimenNumber，并不是我们所需要的尝试的分类。接下来的6列被指定为输入数据。最后一列是所期望的输出("Sex")。

Tag Symbolic Desired面板

Tag Desired Columns面板用于设定输出列中是否包含符号数据。符号列的每个数据元素都是一串字符。

Generalization Protection面板

通用保护面板（Generalization Protection）用于指定数据量以留作交叉验证。"None" 表示所有的输入数据和所需文件将用于训练。当处理较少数据（如少于100行）时，一般就用该选项。"Normal"表示20%的数据将被留作交叉验证。"High"表示40%的数据将被用于交叉验证。该选项适用于大数据量时，如10,000行或更多时。

Out Of Sample Testing面板

Out Of Sample Testing面板用于指定测试集的数据量。该百分比将随着你测试的样本数据网络数据量的变化而变化。默认设置是20%。

Network Complexity面板

Network Complexity面板用于指定隐藏层和处理单元（神经元）中神经网络的规模。一般情况下，小型神经网络优于大型神经网络。如果一个小型神经网络能够有效地解决你的问题（你会惊奇地发现小型神经网络的强大之后），你就不必要选择大型神经网络。因为大型神经网络不仅需要更多的训练和测试时间，而且对新数据的操作性较差。

通过以上步骤，成功地利用NeuralExpert构建神经网络，如下图所示：