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。