神经网络问题，什么阈值是2,中间层到输出层权值为什么是{2,1}

netIW 属性定义了从网络输入向量到网络层的权值向量（即输入层的权值向量）结构。其值为NlNi的细胞矩阵，Nl为网络层数（netnumLayers)，Ni为输入向量数（netnumInputs）。通过访问netIW{i,j}，可以获得第i 个网络层来自第j 个输入向量的权值向量值。 所以一般情况下net,iw{1,1}就是输入层和隐含层之间的权值。

netLW定义了从一个网络层到另一个网络层的权值向量结构。其值为NlNl的细胞矩阵，Nl为网络层数（netnumLayers)。通过访问netLW{i,j}，可以获得第i 个网络层来自第j 个网络层的权值向量值。 因此，如果网络是单隐含层，netlw{2,1}就是输出层和隐含层之间的权值。

最需要理解的就是：这都是元胞数组。

因为神经元的传输函数在[0,1]之间区别比较大，如果大于1以后，传输函数值变化不大（导数或斜率就比较小），不利于反向传播算法的执行。反向传播算法需要用到各个神经元传输函数的梯度信息，当神经元的输入太大时（大于1比如），相应的该点自变量梯度值就过小，就无法顺利实现权值和阈值的调整）。传输函数比如logsig或tansig，你可以把函数图像画出来，会发现，[-1,1]之间函数图像比较徒，一阶导数（梯度）比较大，如果在这个敬意范围之外，图像就比较平坦，一阶导数（梯度）就接近0了。