實驗環境：MatlabR2009a

1 在Matlab中使用train函式對神經網路進行訓練的時候，會彈出以下窗體。

     由上圖中的Netrual Network項可見，這是一個兩層的網路。

2 演算法規則

在Algorithms下面，描述了本神經網路的一些演算法。

Trainning：訓練的演算法，在本例子中，採用的是BP演算法

Performance：效能檢測演算法，在本例中，採用的是均方差（mse）

3 進度

在Progress下面，顯示了當前的訓練狀態。

3.1 Epoch：訓練次數

     在其右邊顯示的是最大的訓練次數，可以設定，上面例子中設為300；而進度條中顯示的是實際訓練的次數，上面例子中實際訓練次數為146次。

     一般情況下，訓練的次數都會達到最大的訓練次數才會停止訓練(點選Stop Trainning按鍵的除外)。但是，如果在train引數中，指定了確定樣本，則可能會提前停止訓練。

3.2 Time：訓練時間，也就是本次訓練中，使用的時間。

3.3 Performance：效能指標

     本例子中為均方誤差(mse)的最大值。精度條中顯示的是當前的均方誤差；進度條右邊顯示的是設定的均方誤差(如果當前的均方誤差小於設定值，則停止訓練)，這個指標可以用用.trainParam.goal引數設定。

3.4 Gradiengt：梯度；

     進度條中顯示的當前的梯度值，其右邊顯示的是設定的梯度值。如果當前的梯度值達到了設定值，則停止訓練。

3.5 Validation Checks：校驗檢查

4 繪圖

在Plots下面，有3個按鍵，分別用於繪製當前神經網路的效能圖，訓練狀態和迴歸分析。分別如下圖所示。