在使用matlab来训练BP神经网络时，我们不免会疑惑，究竟要怎么选择训练函数呢？
一、先看看BP神经网络有哪些训练算法
我们先来看看matlab为BP神经网络提供了哪些训练函数，如下：
二、选traingd还是选trainlm？
选traingd？
有许多教程都说BP神经网络是用traingd、也就是梯度下降算法来训练。但实际上，梯度下降算法只是一种粗糙的基础算法，作为入门学习可以用来帮助理解。如果一不小心，学艺不精，直接就使用traingd算法，那么训练往往会非常缓慢，而且效果有时也不太理想。
还是选trainlm吧！
如果我们仔细看一下就会发现，matlab默认使用的是trainlm算法。那么，trainlm算法和traingd算法有什么区别呢，我们都知道，traingd（梯度下降算法）使用的是梯度的信息、一步一步往负梯度方向迭代。而trainlm比traingd的优势在于，trainlm会利用二阶信息(也就是二阶导)，所以它比traingd的信息利用得更充分、更具"长远眼光"，训练起来就会快许多。
有些同学可能觉得很抽象，下面举个例子就会明白了，如下：
从图中就可以看到，一阶的迭代稳得很，但它迭代得非常慢，总是一小步一小步的，而二阶迭代由于有二阶信息(x^2项)，所以它会找到二阶信息的最小值处、并迭代过去，这就比一阶的小步迭代要快许多了。
直接使用trainlm算法，就要比梯度下降法要快很多，matlab默认就是trainlm法，我们跟着来使用就可以了。
三、再来看看traingdm是什么
此外，traingdm算法是动量梯度下降法，它属于梯度下降法的改进，直接看下图就知道它是什么意思了：
可以看到，动量梯度下降法就是模仿石头下坡的原理，它在下坡时越滚越快，这样它就比梯度下降法要快许多了，同时，由于它具有动量，遇到一些较浅的局部最优时，它会凭借动量跳出局部最优，这也是动量梯度下降法的一个重要特色。
但是，相对trainlm法，动量梯度下降法的速度还是略慢了一些，最好还是选择trainlm法。
结束语
原理就是这么简单的一个原理，实际使用时直接选择matlab推荐的默认算法trainlm就可以了，改为其它的训练算法没太大必要。