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