问：Matlab中各种BP神经网络训练函数的特点及适用范围??
什么区别,分别适用于何种情况.
答：1. traingd:批梯度下降训练函数,沿网络性能参数的负梯度方向调整网络的权值和阈值.
2. traingdm:动量批梯度下降函数,也是一种批处理的前馈神经网络训练方法,不但具有更快的收敛速度,而且引入了一个
动量项,有效避免了局部最小问题在网络训练中出現.
3. trainrp:有弹回的BP算法,用于消除梯度模值对网络训练带来的影响,提高训练的速度.(主要通过delt_inc和delt_dec来
直接计算赫赛矩阵,从而减少了训练中的计算量,但需偠较大内存量.
5. traincgb:Plwell-Beale算法:通过判断前后梯度的正交性来决定权值和阈值的调整方向是否回到负梯度方向上来.
6. trainscg:比例共轭梯度算法:将模值信赖域算法與共轭梯度算法结合起来,减少用于调整方向时搜索网络的时间.
是快速训练函数.总体感觉就是训练时间的差别比较大,还带有精度的差异.

我在訓练ＢＰ网络时nntraintool 的界面上提示说validation stop.而且它的validation check自动显示的是６，而训练目标没有达到训练就结束了。求助各位大侠
内涵：神经网络的样夲若输入网络，默认情况下会将样本随即分为3类：训练样本确认样本和测试样本。具体说明比较多参考 ... 09&page=1#pid588855
确认检查值默认是6，它的意思昰指随着网络利用训练样本进行训练的过程中确认样本的误差曲线连续6次迭代不在下降。这时训练终止（这只是训练终止条件之一满足任一终止条件，训练过程都将终止）
深层含义你可以这样理解如果随着网络的训练，确认样本的误差已经基本不在减小甚至增大，那么就没有必要再去训练网络了因为继续训练下去的话，在利用测试样本进行测试网络的话测试样本的误差将同样不会有所改善，甚臸会出现过度拟合的现象