MATLAB神经网络中net.iw{1,1}；net.lw{2,1}；netlw{3,2}都是什么意思，双隐藏层我这样写有没有问题

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

更改参数，如修改学习率、更换训练函数如trainlm等。

更改结构：增加隐层节点数、甚至增加隐层数，可以做成双隐层。

BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

开头注释：针对这些问题，都是在tensorflow框架下，去寻找代码解决问题的。所以非tensorflow框架下编程的，可以看看出现该类问题的原因，以及解决问题的方向，具体的解决问题的代码需要自行查阅资料。

情况1：训练速度慢

针对实体链接任务，搭建了Bi-LSTM+CNN的模型，目前训练速度很慢，半个小时才出一个批次的预测结果。

类比于手写数字识别，无论是使用LSTM，还是CNN，都不会很慢，最慢的至少在10分钟内能出每一个批次的预测结果。