宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

由http://blog.sina.com.cn/s/blog_5c9288aa0101gsu2.html转载

1 一般参数.perFrom*

.perFromFcn='sse';                         % 性能函数，这里设置为‘sse’，即误差平方和

2 训练参数.trainParam.*

.trainParam.goal=0.1                    % 训练目标最小误差，这里设置为0.1

.trainParam.epochs=300;             % 训练次数，这里设置为300次

.trainParam.show=20;                   % 现实频率，这里设置为没训练20次显示一次

.trainParam.mc=0.95;                    % 附加动量因子

.trainParam.lr=0.05;                       % 学习速率，这里设置为0.05

.trainParam.min_grad=1e-6;        % 最小性能梯度

.trainParam.min_fail=5;                 % 最大确认失败次数

(3)设置网络的训练参数

net.trainParam.epochs―最大收敛次数；

net.trainParam.goal―收敛误差；

net.trainParam.show―显示间隔；

以上在一般的神经网络训练中都有使用，本文使用Levenberg－Marquart优化算法进行训练，还需设置的参数有：

net.trainParam.mu―Levenberg－Marquart优化算法中的 

net.trainParam.mu_dec― 的缩减因子；

net.trainParam.mu_inc― 的增大因子；

net.trainParam.mu_max― 的最大值；

net.trainParam.min_grad―性能函数的最小梯度；

3 权值/阈值

net.iw                                      % 权值元包：net.iw{1}——当网络只有一层时，net.iw是一个1×1的cell；net.iw{1,1}——当网络

                                                %有多层时，net.iw是一个元包矩阵。

net.b                                       % 阈值/偏置值，也是一个元包

http://blog.csdn.net/q1302182594/article/details/8791716

http://hi.baidu.com/lingyin55/item/5e266c2bc061d985ae48f53d

神经网络基础

http://blog.sina.com.cn/s/blog_48ee23c80100rmkx.html