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。
)
