除了表中的初始化函数，还可以自定义初始化函数。当init函数被调用时，initFcn定义的函数将对第i个层的阈值向量（net.biases{i}）进行初始化：net=init(net)
（2）learn属性
net.biases{i}.learn，该属性定义第i个阈值向量在训练和调整过程中是否变化。其值可以设置为0或1。它容许或禁止在训练（train）和调整（adapt）过程中对阈值向量进行学习：
[net, Y, E, Pf, Af]=adapt(NET, P, T, Pi, Ai) [net, tr]=train(NET, P, T, Pi, Ai)
（3）learnFcn属性
net.biases{i}.learnFcn，如果网络的训练函数是trainb、trainc和trainr，或者网络的调整函数为trains，则该属性定义第i个网络层阈值向量在训练和调整学习过程中的学习函数。其值可以设置成神经网络工具箱中的如下函数名：
learncon---“良心（conscience）”阈值初始化函数；
learngd---梯度下降权值/阈值学习函数； learngdm---附加动量因子的梯度下降权值/阈值学习函数；
learnp---感知器权值/阈值学习函数；
learnpn---归一化感知器权值/阈值学习函数； learnwh---WH（Widrow-Hoff）权值/阈值学习规则； 该属性值一旦改变，则阈值向量的学习参数（net.biases{i}.learnParam）将被新定义的学习函数的参数及其默认参数值代替。
（4）learnParam属性
net.biases{i}.learnParam，该属性定义了第i个网络层阈值向量当前学习函数的参数及参数值，其值取决于当前的学习函数（net.biases{i}.learnFcn），可以通过如下查阅获得：
help(net.biases{i}.earnFcn)
（5）size属性（只读）
net.biases{i}.size，该属性定义了第i个网络层阈值向量元素的数目，其值为底i个网络层神经元的数目（net.layers{i}.size)。
（6）userdata属性
net.biases{i}.userdata，该属性为用户提供了增加关于第i个网络层阈值的用户信息的地方，它预先只定义一个字段，其值为一提示信息： net.biases{i}=note:'Put your custom output information here.'
用户可以通过修改net.biases{i}.userdata.note的值，增加关于第i个网络层目标向量的用户信息。