轉自：http://hi.baidu.com/lingyin55/blog/item/7a968ead11fe180c4b36d61e.html

1.?????? 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
2. 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
3. 權函數
dotprod 權函數的點積
ddotprod 權函數點積的導數
dist Euclidean距離權函數
normprod 規范點積權函數
negdist Negative距離權函數
mandist Manhattan距離權函數
linkdist Link距離權函數
4. 網絡輸入函數
netsum 網絡輸入函數的求和
dnetsum 網絡輸入函數求和的導數
5. 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
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
compet 競爭傳遞函數
radbas 徑向基傳遞函數
satlins 對稱飽和線性傳遞函數
6. 初始化函數
initlay 層與層之間的網絡初始化函數
initwb 閾值與權值的初始化函數
initzero 零權/閾值的初始化函數
initnw Nguyen_Widrow層的初始化函數
initcon Conscience閾值的初始化函數
midpoint 中點權值初始化函數
7. 性能分析函數
mae 均值絕對誤差性能分析函數
mse 均方差性能分析函數
msereg 均方差w/reg性能分析函數
dmse 均方差性能分析函數的導數
dmsereg 均方差w/reg性能分析函數的導數
8. 學習函數
learnp 感知器學習函數
learnpn 標準感知器學習函數
learnwh Widrow_Hoff學習規則
learngd BP學習規則
learngdm 帶動量項的BP學習規則
learnk Kohonen權學習函數
learncon Conscience閾值學習函數
learnsom 自組織映射權學習函數
9. 自適應函數
adaptwb 網絡權與閾值的自適應函數
10. 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
11. 分析函數
maxlinlr 線性學習層的最大學習率
errsurf 誤差曲面
12. 繪圖函數
plotes 繪制誤差曲面
plotep 繪制權和閾值在誤差曲面上的位置
plotsom 繪制自組織映射圖
13. 符號變換函數
ind2vec 轉換下標成為矢量
vec2ind 轉換矢量成為下標矢量
14. 拓撲函數
gridtop 網絡層拓撲函數
hextop 六角層拓撲函數
randtop 隨機層拓撲函數

?

轉自：http://www.labfans.com/bbs/t16/

1 重要的感知器神經網絡函數：
初始化： initp
訓練： trainp
仿真： simup
學習規則： learnp

2 線性神經網絡函數：
初始化： initlin
設計： solvelin
仿真： simulin
離線訓練： trainwh
在線自適應訓練： adaptwh
學習規則： learnwh

3 BP網絡函數：
Initff：初始化不超過3層的前向網絡；
Simuff：仿真不超過3層的前向網絡；
Trainbp，trainbpx，trainlm：訓練BP（Trainbp：最慢；trainbpx：次之；trainlm：速度最快，但需要更多的存儲空間。）
Learnbp：學習規則

4 自組織網絡
初始化： initsm
仿真： simuc
訓練： trainc：利用競爭規則訓練
trainsm：利用Kohonen規則訓練

5 反饋網絡（Hopfield網絡）
仿真： simuhop
設計： solvehop

solvehop 設計Hopfield網絡
solvelin 設計線性網絡
rands 產生對稱隨機數
learnbp 反向傳播學習規則
learnh Hebb學習規則
learnp 感知層學習規則
learnwh Widrow－Hoff學習規則
initlin 線性層初始化
initp 感知層初始化
initsm 自組織映射初始化
plotsm 繪制自組織映射圖
trainbp 利用反向傳播訓練前向網絡
trainp 利用感知規則訓練感知層
trainwh 利用Widrow－Hoff規則訓練線性層
trainsm 利用Kohonen規則訓練自組織映射