如何对训练后的神经网络进行最优化处理？？

zhengj1980

各位大侠：
     如何对下面例子中得到的网络进行最优化处理，求得使t达到最小值的P值。
     急需指教！！ 感谢非常!!
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;
            net.trainParam.mc = 0.9;
            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