1.設計函數
solvein????設計線性網絡；????????????????solverb???設計徑向基網絡；??????????????????????solverbe????設計精確的徑向基網絡；
solvehop??設計Hopfield網絡。
?
2.傳遞函數
hardlim??硬限幅傳遞函數；???????????hardlims???對稱硬限幅傳遞函數；????????purelin??線性傳遞函數；
tansig???正切S型傳遞函數；?????????logsig??對數S型傳遞函數；???????????????????satlin??飽和線性傳遞函數；
satlins??對稱飽和線性傳遞函數；?????radbas???徑向基傳遞函數；??????????????dist??計算矢量間的距離；
compet??自組織映射傳遞函數；???????dpurelin??線性傳遞函數的導數；???????dtansig???正切S型傳遞函數的導數；
dlogsig???對數S型傳遞函數的導數。
?
?3.學習規則
learnp???感知層學習規則；?????????????????learnpn??規范感知層學習規則；?????????????learnbp???BP學習規則；
learnbpm???帶動量項的BP學習規則；?????learnlm??Levenberg-Marquardt學習規則；
learnwh???Widrow-Hoff學習規則；??????????learnk??Kohonen學習規則；??learncon??Conscience閾值學習函數；
learnsom??自組織映射權學習函數；???????learnh??Hebb學習規則；???????learnhd??退化的Hebb學習規則；
learnis??內星學習規則；???????????learnos 外星學習規則；
?
4.網絡創建函數
newp??創建感知器網絡；???????????newlind???設計一線性層；???????????newlin???創建一線性層；
newff???創建一前饋BP網絡；?????newcf???創建一多層前饋BP網絡；???newfftd??創建一前饋輸入延遲BP網絡；
newrb??設計一徑向基網絡；????????newrbe???設計一嚴格的徑向基網絡；??????newgrnn??設計一廣義回歸神經網絡；
newpnn?????設計一概率神經網絡；???????newc創建一競爭層；????newsom???創建一自組織特征映射；
newhop???創建一Hopfield遞歸網絡；?????newelm??創建一Elman遞歸網絡；
?
5.網絡應用函數
sim??仿真一個神經網絡；??????????init??初始化一個神經網絡；???????adapt???神經網絡的自適應化；
train????訓練一個神經網絡。
?
6.訓練函數
trainwb??網絡權與閾值的訓練函數；?????????????traingd???梯度下降的BP算法訓練函數；
traingdm??梯度下降w/動量的BP算法訓練函數；?????traingda???梯度下降w/自適應lr的BP算法訓練函數；
traingdx???梯度下降w/動量和自適應lr的BP算法訓練函數；????trainlm???Levenberg-Marquardt的BP算法訓練函數；
trainwbl??每個訓練周期用一個權值矢量或偏差矢量的訓練函數；???????trainc???訓練競爭層；
trainfm??訓練特性圖；?????????trainlvq???訓練LVQ網絡；??????trainelm??訓練Elman遞歸網絡；
trainbpx???利用快速傳播訓練網絡；??????????trainsm 訓練自組織映射網絡；?????????trainp??利用感知層規則訓練感知層；
?trainpn??利用規范感知層規則訓練感知層；??????trainbp???用BP算法訓練前向網絡；??
trainbpx??用快速BP算法訓練前向網絡；????????????trainlm???用Levenberg-Marquardt算法訓練前向網絡；
trainwh??用Widrow-Hoff規則訓練線性層。
)
