1.设计函数
solvein 设计线性网络; solverb 设计径向基网络; solverbe 设计精确的径向基网络;
solvehop 设计Hopfield网络。
2.传递函数
hardlim 硬限幅传递函数; hardlims 对称硬限幅传递函数; purelin 线性传递函数;
tansig 正切S型传递函数; logsig 对数S型传递函数; satlin 饱和线性传递函数;
satlins 对称饱和线性传递函数; radbas 径向基传递函数; dist 计算矢量间的距离;
compet 自组织映射传递函数; dpurelin 线性传递函数的导数; dtansig 正切S型传递函数的导数;
dlogsig 对数S型传递函数的导数。
3.学习规则
learnp 感知层学习规则; learnpn 规范感知层学习规则; learnbp BP学习规则;
learnbpm 带动量项的BP学习规则; learnlm Levenberg-Marquardt学习规则;
learnwh Widrow-Hoff学习规则; learnk Kohonen学习规则; learncon Conscience阈值学习函数;
learnsom 自组织映射权学习函数; learnh Hebb学习规则; learnhd 退化的Hebb学习规则;
learnis 内星学习规则; learnos 外星学习规则;
4.网络创建函数
newp 创建感知器网络; newlind 设计一线性层; newlin 创建一线性层;
newff 创建一前馈BP网络; newcf 创建一多层前馈BP网络; newfftd 创建一前馈输入延迟BP网络;
newrb 设计一径向基网络; newrbe 设计一严格的径向基网络; newgrnn 设计一广义回归神经网络;
newpnn 设计一概率神经网络; newc创建一竞争层; newsom 创建一自组织特征映射;
newhop 创建一Hopfield递归网络; newelm 创建一Elman递归网络;
5.网络应用函数
sim 仿真一个神经网络; init 初始化一个神经网络; adapt 神经网络的自适应化;
train 训练一个神经网络。
6.训练函数
trainwb 网络权与阈值的训练函数; traingd 梯度下降的BP算法训练函数;
traingdm 梯度下降w/动量的BP算法训练函数; traingda 梯度下降w/自适应lr的BP算法训练函数;
traingdx 梯度下降w/动量和自适应lr的BP算法训练函数; trainlm Levenberg-Marquardt的BP算法训练函数;
trainwbl 每个训练周期用一个权值矢量或偏差矢量的训练函数; trainc 训练竞争层;
trainfm 训练特性图; trainlvq 训练LVQ网络; trainelm 训练Elman递归网络;
trainbpx 利用快速传播训练网络; trainsm 训练自组织映射网络; trainp 利用感知层规则训练感知层;
trainpn 利用规范感知层规则训练感知层; trainbp 用BP算法训练前向网络;
trainbpx 用快速BP算法训练前向网络; trainlm 用Levenberg-Marquardt算法训练前向网络;
trainwh 用Widrow-Hoff规则训练线性层。