权值
BP网络中 w(1,1) 表示第 1 个输入矢量在输入层和隐含层中的权值。
w(1,2) 表示第 2 个输入矢量在输入层和隐含层中的权值。
...w(1, j ) 表示第 j 个输入矢量在输入层和隐含层中的权值。
w(2,1) ：第 1 个输入矢量在隐含层和输出层中的权值。。。。
若w( i , j ) 中i > 2，则有多个隐含层。
1.
net.IW 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Nl*Ni的细胞矩阵，Nl为网络层数（net.numLayers)，Ni为输入向量数（net.numInputs）。
通过访问net.IW{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。
2.
net.LW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Nl*Nl的细胞矩阵，Nl为网络层数（net.numLayers)。
通过访问net.LW{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，net.lw{2,1}就是输出层和隐含层之间的权值
阈值
net.b是BP神经网络的阈值，
net.b{1} 隐含层阈值
net.b{2} 输出层阈值