神经网络训练过程的窗口能不弹出来吗？
net.trainParam.showWindow = false;
net.trainParam.showCommandLine = false;
------------------------
net.trainParam.show＝NaN (经过测试，此方法不行)
------------------------
newrb.m文件里是这样显示的
function [net,tr]=newrb(p,t,goal,spread,mn,df)
。。。
% DISPLAY
if isfinite(df) & (~rem(k,df))
fprintf('NEWRB, neurons = %g, MSE = %g\n',k,MSE);
flag_stop=plotperf(tr,eg,'NEWRB',k); end
。。。
它不用showwindow这样的参数控制，要不显示注释掉最方便了
------------------------
net.trainParam.showWindow = false; (经过测试，此方法不行)
------------------------
可以把显示的刷新次数设置的很大很大(经过测试，此方法不行)
------------------------
------------------------
DISABLE NNTRAINTOOL WINDOW
How to hide nntraintool window
http://www.mathworks.com/matlabcentral/newsreader/view_thread/288528
神经网络的训练主要包括两个部分：正向传播和反向传播两个过程。正向传播得到损失值，反向传播得到梯度。最后通过梯度值完成权值更新。所谓梯度其实就是一个偏导数向量，但是我们经常说的仍是‘x的梯度’而不是‘x的偏导数’。
整个网络的输出值为 ak, 这个输出值将与期望的目标值 tk 比较，得到一个误差，神经网络训练的目的，就是找到参数w,b使得误差最小。取误差平方和作为目标函数，定义如下：
寻找这个参数的方法采用梯度下降法，即计算所有参数的梯度（偏导数）
输入数据：i1=0.05, i2=0.1
输出数据：k1=0.01, k2=0.99
偏置 bj=1, 所对应的初始权重为0.45
bk=1, 所对应的初始权重为0.85
激活函数： sigmoid函数
初始权重为上述所标识的
一. 前向传播
1 .输入层到隐藏层：
神经元j1的输出值为：
同理，可以计算
2.隐藏层到输出层：
神经元k1的输出值为：
同理，可以计算
至此，我们得到神经网络输出值为【0.867,0.925】与实际值【0.01,0.99】相差甚远
分别计算k1,k2的误差，总误差为两者之和：
接下来进行反向传播，通过求梯度，更新权值。
yk为常数；
下面我们来计算均方差算是函数的梯度
由于单个神经元只有一个输出，那么损失函数可以表示为
因为 z=x1w1+x2w2+...+xjwj+...+b ，所以
GOOD
（正向传播）
（反向传播）
https://zhuanlan.zhihu.com/p/26765585
https://zhuanlan.zhihu.com/p/45190898
https://www.jianshu.com/p/74bb815f612e