用Matlab算BP神经网络的具体算法？

1. 用Matlab算BP神经网络的具体算法？

BP神经网络的传递函数一般采用sigmiod函数，学习算法一般采用最小梯度下降法；下面是具体的程序例子：
例1 采用动量梯度下降算法训练 BP 网络。
训练样本定义如下：
输入矢量为    
 p =[-1 -2 3  1 
     -1  1 5 -3]
目标矢量为   t = [-1 -1 1 1]
解：本例的 MATLAB 程序如下：
 
close all 
clear 
echo on 
clc 
% NEWFF——生成一个新的前向神经网络
% TRAIN——对 BP 神经网络进行训练
% SIM——对 BP 神经网络进行仿真
pause        
%  敲任意键开始
clc 
%  定义训练样本
% P 为输入矢量
P=[-1,  -2,    3,    1;       -1,    1,    5,  -3];
% T 为目标矢量
T=[-1, -1, 1, 1]; 
pause; 
clc 
%  创建一个新的前向神经网络
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')
%  当前输入层权值和阈值
inputWeights=net.IW{1,1} 
inputbias=net.b{1} 
%  当前网络层权值和阈值
layerWeights=net.LW{2,1} 
layerbias=net.b{2} 
pause 
clc 
%  设置训练参数
net.trainParam.show = 50; 
net.trainParam.lr = 0.05; 学习速率
net.trainParam.mc = 0.9; 动量系数
net.trainParam.epochs = 1000; 
net.trainParam.goal = 1e-3; 
pause 
clc 
%  调用TRAINGDM 算法训练 BP 网络
[net,tr]=train(net,P,T); 
pause 
clc 
%  对 BP 网络进行仿真
A = sim(net,P) 
%  计算仿真误差
E = T - A 
MSE=mse(E) 
pause 
clc 
echo off