有效函数
calca
计算网络输出和其他标示信号
calcal
计算单个时间步长的网络信号
calce
计算层误差
calcel
计算单个时间步长的层误差
calcgx
用单个向量计算权值和阈值性能梯度
calcjejj
计算jacobian性能向量
calcjx
用单个向量计算权值和阈值性能jacobian矩阵
calcpd
计算延时的网络输入
calcperf
计算网络输出、信号和性能
formx
将阈值和权值组成单一向量
getx
用一个单一向量获取所有网络权值和阈值
setx
用一个单一向量设置网络权值和阈值
向量函数
cell2mat
将一个矩阵的细胞数组组合成为一个矩阵
combvec
创建向量的所有组合
con2seq
将并行向量转换为序列向量
concur
学习函数
learncon
Conscience阈值学习函数
learngd
梯度下降法权值/阈值学习函数
learngdm
带有动量的梯度下降权值/阈值学习函数
learnh
Hebb权值学习函数
learnhd
退化的Hebb权值学习函数
learnis
内星（Instar）权值学习函数
learnk
Kohonen权值学习函数
prestd
数据规范化（均值为0，单位标准差）
tramnmx
传递预处理最大最小值的数据
trapca
传递经过prepca计算过的pca矩阵的数据
trastd
传递预先计算过均值和标准差的数据
Simulin支撑函数
genism
为神经网络仿真生成一个Simulink模型
拓扑函数
pridtop
矩形拓扑函数
hextop
神经网络工具箱函数
函数与网络类型
assocl
相关学习规则
backpop
BP网络
elman
Elman反馈网络
hopfield
hopfiield反馈网络
linnet
线性网络
lvq
学习向量量化网络
percpt
感知器网络
selforg
自组织网络
函数分类说明
分析函数
errsurf
单输入神经元误差面
maxlinlr
六角形拓扑函数
randtop
随机拓扑函数
训练函数
trainb
利用权值和阈值学习规则进行批处理训练函数
trainbfg
BFGS拟牛顿回退训练函数
trainbr
Bayesian标准化训练函数
trainc
循环一次递增修正训练函数
traincgb
Powell-Beale共轭梯度的BP算法训练函数
traincgf
网络输入求和的导数函数
网络输入函数
netprod
网络输入求积函数
netsum
网络输入求和函数
网络初始化
initlay
逐层网络初始化函数
网络应用函数
adapt
允许一个神经网络自适应调节
disp
显示一个神经网络的属性
display
显示一个神经网络变量的名称和属性
init
初始化一个神经网络
sim
仿真一个神经网络
线性神经元最大学习速率
距离函数
boxdist
两个位置向量之间的距离
dist
欧几里得距离函数
linkdist
Link距离函数
mandist
Manhattan距离函数
图形接口函数
nntool
神经网络工具箱图形用户界面
网络差初始化函数
initnw
Nguyen-Widrow层初始化函数
initwb
阈值和权值层初始化函数
权值导数函数
ddotprod
权值点乘的导数函数
权值函数
dist
Euclidean距离权值函数
dotprod
权值点乘函数
mandist
Manhattan距离权值函数
negdist
负距离权值函数
normprod
规范化权值点乘函数
trainoss
一步正割的BP算法训练函数
trainr
随机依次递增修正训练函数
trainrp
能复位的BP算法训练函数（Rprop）
trains
顺序依次递增修正训练函数
trainscg
量化连续梯度的BP算法训练函数
传递函数导数函数
dharmlim
强限幅传递函数导数
dhardlims
对称强限幅传递函数导数
plotvec
用不同的颜色绘制向量
预处理和后处理函数
postmnmx
将已被prenmmx规范化的数据进行反规范化处理
posterg
应用线性回归分析对网络响应进行后期处理
poststd
将已被prestd.规划化的数据进行反规范化处理
premnmx
数据规范化（-1和1之间）
prepca
对输入数据进行主要组成部分的分析
plotbr
绘制应用bayesian规则训练的网络
plotep
绘制权值和阈值在误差面上的位置
plotes
绘制单输入神经元的误差面
plotpc
在感知器向量图上绘制分类线
plotperf
绘制网络性能函数
plotpv
绘制感知器输入/输出向量
plotsom
绘制自组织特征映射
plotv
将向量绘制成从原点出发的直线
dmse
均方误差性能函数导数
dmsereg
均方误差w/reg性能函数导数
dsse
误差平方和性能函数导数
性能函数
mae
平均绝对误差性能函数
mse
均方误差性能函数
msereg
均方误差w/reg性能函数
sse
误差平方和性能函数
绘图函数
hintonw
权值矩阵的hinton图
hintonwb
权值矩阵和阈值向量的hinton图
train
训练一个神经网络
网络创建函数
network
创建一个自定义神经网络
newc
创建一个竞争层
newcf
创建一个多层前馈BP网络
newelm
创建一个ElmanBP网络
newff
创建一个前馈BP网络
newffd
创建一个前馈输入延迟BP网络
newgrnn
创建一个广义回归神经网络
newhop
创建一个hopfield反馈网络
learnlv1
LVQ1权值学习函数
learnlv2L
VQ2权值学习函数
learnos
外星（Outstar）权值学习函数
learnp
感知器权值和阈值学习函数
learnpn
标准化感知器权值和阈值学习函数
learnsom
自组织映射权值学习函数
learnwh
Widow-Hoff权值和阈值学习函数
线性搜索函数
srchbac
应用回退搜索法的一维最小化
srchbre
应用Brent方法的一维间距定位
srchcha
应用Vharalambous方法的一维最小化
srchgol
应用黄金分割搜索法的一维最小化
srchhyb
应用二元/三元综合搜索法的一维最小化
网络输入导数函数
dnetprod
网络输入求积的导数函数
dntsum
dlogsig
对数S型传递函数导数
dposlin
正线性传递函数导数
dpurelin
线性传递函数导数
dradbas
径向基传递函数导数
dsatlin
饱和线性传递函数导数
dsatlins
对称饱和线性传递函数导数
dtansig
正切S型传递函数导数
dtribas
三角基传递函数导数
传递函数
compet
竞争传递函数
Fletcher-Powell共轭梯度的BP算法训练函数
traind
梯度下降的BP算法训练函数
traindga
有自适应学习率lr的梯度下降BP算法训练函数
traingdm
有动量的梯度下降BP算法训练函数
traingdx
有动量和自适应lr的梯度下降BP算法训练函数
trainlm
Levenberg-Marquardt的BP算法训练函数
vec2ind
将向量转换为标量
权值和阈值初始化函数
initcon
Conscience阈值初始化函数
initzero
零权值和阈值初始化函数
midpoint
中点权值初始化函数
randnc
规范化列向量权值初始化函数
randnr
规范化行向量权值初始化函数
rands
对称随机权值/阈值初始化函数
revert
改变网络权值和阈值至前一次的初始化函数
创建并行阈值向量
ind2vec
将标量转换为向量
mat2cell
将矩阵拆开成为矩阵的细胞数组
minmax
矩阵行向量的范围
normc
矩阵列向量的规范化
normr
矩阵行向量的规范化
pnormc
矩阵列向量的拟规范化
quant
数量离散化成为数量级
seq2con
将序列向量转换为并行向量
sumsqr
矩阵元素的平方和