轉自：http://blog.sina.com.cn/s/blog_5c9288aa0101gsu2.html
1 一般參數.perFrom*
.perFromFcn=‘sse’; % 性能函數，這裏設置爲‘sse’，即誤差平方和
2 訓練參數.trainParam.*
.trainParam.goal=0.1 % 訓練目標最小誤差，這裏設置爲0.1
.trainParam.epochs=300; % 訓練次數，這裏設置爲300次
.trainParam.show=20; % 現實頻率，這裏設置爲沒訓練20次顯示一次
.trainParam.mc=0.95; % 附加動量因子
.trainParam.lr=0.05; % 學習速率，這裏設置爲0.05
.trainParam.min_grad=1e-6; % 最小性能梯度
.trainParam.min_fail=5; % 最大確認失敗次數
(3)設置網絡的訓練參數
net.trainParam.epochs―最大收斂次數；
net.trainParam.goal―收斂誤差；
net.trainParam.show―顯示間隔；
以上在一般的神經網絡訓練中都有使用，本文使用Levenberg－Marquart優化算法進行訓練，還需設置的參數有：
net.trainParam.mu―Levenberg－Marquart優化算法中的
net.trainParam.mu_dec― 的縮減因子；
net.trainParam.mu_inc― 的增大因子；
net.trainParam.mu_max― 的最大值；
net.trainParam.min_grad―性能函數的最小梯度；
3 權值/閾值
net.iw % 權值元包：net.iw{1}——當網絡只有一層時，net.iw是一個1x1的cell；net.iw{1,1}——當網絡
%有多層時，net.iw是一個元包矩陣。
net.b % 閾值/偏置值，也是一個元包