关于bp网络权值和阈值的保存问题【转】

看过论坛上有些人的意见，我做了一些实践，下面附上两个例子，来说明如何通过保存网络权值和阈值来使网络每次结果都保持一致。
例一
load inputdata;
load tardata;
p1=inputdata
t1=tardata
pause
n=4
[pn,minp,maxp,tn,mint,maxt] = premnmx(p1,t1); %数据归一化处理，
load net;%加载网络，之前需要保存
net.iw{1,1}=[-0.758343.89321.6326
0.476972.521-3.5032
1.40913.3253-2.597
-3.33092.73061.0965
];
net.b{1}=[4.659
-1.3414
1.5612
-4.4187
];
net.lw{2,1}=[0.317641.9731.7567-3.0237
-3.3405-1.1758-3.382-2.0439
-3.0972-0.211712.23292.4666
-2.3821.02471.17043.552
-1.5409-3.85771.981-0.54623
-0.169732.1569-2.66952.9891
2.58942.9169-0.49674-2.2608
];
net.b{2}=[-4.1166
5.1424
-0.083322
-1.6465
0.11892
-2.6711
0.834
];
pause
a1=sim(net,pn);
pause;
[a1n]=postmnmx(a1,mint,maxt);%反归一化得到所要数据
例二
load inputdata;
load tardata;
p1=inputdata
t1=tardata
pause
n=4
[pn,minp,maxp,tn,mint,maxt] = premnmx(p1,t1); %数据归一化处理，
net=newff(minmax(pn),[n,7],{'logsig','tansig'},'traingd');
pause
%以下是将训练好的网络权值和阈值保存起来之后，把较好性能的网络用作最终网络，此时无须再进行训练，直接加载网络权值和阈值即可
net.iw{1,1}=[-0.758343.89321.6326
0.476972.521-3.5032
1.40913.3253-2.597
-3.33092.73061.0965
];
net.b{1}=[4.659
-1.3414
1.5612
-4.4187
];
net.lw{2,1}=[0.317641.9731.7567-3.0237
-3.3405-1.1758-3.382-2.0439
-3.0972-0.211712.23292.4666
-2.3821.02471.17043.552
-1.5409-3.85771.981-0.54623
-0.169732.1569-2.66952.9891
2.58942.9169-0.49674-2.2608
];
net.b{2}=[-4.1166
5.1424
-0.083322
-1.6465
0.11892
-2.6711
0.834
];
a1=sim(net,pn);
pause;
[a1n]=postmnmx(a1,mint,maxt);%反归一化得到所要数据
这两个例子的不同之处在于，网络可以调用已经保存好的，亦可以自己在建立一个，结果是一样的。

训练好的权值、阈值的输出方法是：
输入到隐层权值：w1=net.iw{1,1}
隐层阈值：theta1=net.b{1}
隐层到输出层权值：w2=net.lw{2,1};
输出层阈值：theta2=net.b{2}