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 a_k, 这个输出值将与期望的目标值 t_k 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：

REF

GOOD

https://blog.csdn.net/momaojia/article/details/76269468 （正向传播）

https://www.cnblogs.com/jsfantasy/p/12177275.html （反向传播）

https://blog.csdn.net/qq_29407397/article/details/90599460

https://zhuanlan.zhihu.com/p/26765585

https://zhuanlan.zhihu.com/p/45190898

https://www.jianshu.com/p/74bb815f612e

https://segmentfault.com/a/1190000021529971