b训练神经网络时不需输入权值、步长以及阙值，如果我想知道matlab已经训练好的神经网络的权值、步长以及阙值该怎末操作？训练好的权值、阈值的输出方法是：输入到隐层权值：w1
etiw11隐层阈值：theta1
etb1隐层到输出层权值：w2
etlw21输出层阈值：theta2
etb2______________________________________________________________________________________________帮我看看matlab的这段程序有关神经网络BP算法）在一位老师的讲义上看到的程序，但是有些东西不太明白，请求帮助程序如下：clffiguregcfechoo
NEWFF建立一个BP网络TRAIN对BP网络进行训练SIM对BP网络进行仿真pauseP1011T960257700729377164056600460913362013434450003930164709883072396034491816031221893201plotPTtitleTrai
i
gVectorsxlabelI
putVectorPylabelTargetVectorTpause
et
ewffmi
maxP51ta
sigpureli
trai
gdlear
gdsseechooffkpickicifk2
etiw113500035000350003500035000
etb12856210774058801408328722
etlw210262202375045250236101718
etb201326e
d
etiw11
etb1
etlw21
etb2pauseechoo

fme8000
ettrai
Paramshow10
ettrai
Paramgoal002
ettrai
Paramlr001Asim
etPssesumsqrTAfori1me100ifsse
ettrai
paramgoalii1breake
d
ettrai
Paramepochs100
ettrtrai
etPTtrp1100i1maxtrepoch100i1trperf1maxtrepochAsim
etPssesumsqrTAplotPTholdo
plotPAholdoffpausee
dmessagespri
tfTrai
gdEpochggSSEg
mefpri
tfmessagemaxtrepoch100i1sseplottrijsizetrpholdo
plot1j
ettrai
ParamgoalrholdofftitleErrorSig
alxlabelepochylabelErrorp05asim
etpechooffRBF网络与BP网络比较：RBF网络的输出是隐单元输出的线性加权和，学习速度加快BP网络使用sigmoid函数作为激活函数，这样使得神经元有很大的输入可见区域径向基神经网络使用径向基函数（一般使用高斯函数）作为激活函数，神经元输入空间区域很小，因此需要更多的径向基神经元
fr