概览
Neural Network
该部分展示了神经网络的结构，从结构图中可以看出该网络有三个隐含层，神经元个数分别为9个、8个、7个
Algorithms
该部分展示了该网络所使用的训练算法，可以看出
Data Division：该网络采用随机划分的方法将数据集划分为training set、validation set、test set
Training：该网络采用Levenberg–Marquardt算法进行训练
Performance：该网络采用均方误差算法计算误差
Calculations：该网络保存为mex格式
Progress
Epoch：该网络允许的迭代次数最大为1000，实际迭代5次
Time：该网络训练时长为3秒
Performance：该网络的最大误差为0.475，目标误差为0.001，实际误差为0.000520，可在Plots中的Performance中详细查看
Gradient：该网络的最大梯度为1.91，阈值梯度为 1 e − 7 1e^{-7} 1e
−7
，实际梯度为0.033。可在Plots中的Training State中详细查看
Mu：该网络所使用Levenberg–Marquardt算法中的阻尼因子最小值为0.001，阈值为 1 e 10 1e^{10} 1e
10
，实际值为 1 e − 6 1e^{-6} 1e
−6
，Mu值越大意味着算法收敛效果越好。可在Plots中的Training State中详细查看
Validation Checks：该网络的泛化能力检查标准，实际值为0表示在训练过程中误差在持续降低，若连续6次训练误差无法降低，则结束训练任务。可在Plots中的Training State中详细查看
Plots
Performance：该网络训练过程中的误差变换可视化
Training State：该网络训练过程中的梯度、Mu因子和泛化能力变换等信息的可视化
Regression：该网络训练集、验证集、测试集的回归能力可视化
Plot Interval：图中横坐标的刻度
