1.設計函數
solvein 設計線性網絡； solverb 設計徑向基網絡； solverbe 設計精確的徑向基網絡；
solvehop 設計Hopfield網絡。
2.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； satlin 飽和線性傳遞函數；
satlins 對稱飽和線性傳遞函數； radbas 徑向基傳遞函數； dist 計算矢量間的距離；
compet 自組織映射傳遞函數； 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。
3.學習規則
learnp 感知層學習規則； learnpn 規范感知層學習規則； learnbp BP學習規則；
learnbpm 帶動量項的BP學習規則； learnlm Levenberg-Marquardt學習規則；
learnwh Widrow-Hoff學習規則； learnk Kohonen學習規則； learncon Conscience閾值學習函數；
learnsom 自組織映射權學習函數； learnh Hebb學習規則； learnhd 退化的Hebb學習規則；
learnis 內星學習規則； learnos 外星學習規則；
4.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；
5.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。
6.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； trainc 訓練競爭層；
trainfm 訓練特性圖； trainlvq 訓練LVQ網絡； trainelm 訓練Elman遞歸網絡；
trainbpx 利用快速傳播訓練網絡； trainsm 訓練自組織映射網絡； trainp 利用感知層規則訓練感知層；
trainpn 利用規范感知層規則訓練感知層； trainbp 用BP算法訓練前向網絡；
trainbpx 用快速BP算法訓練前向網絡； trainlm 用Levenberg-Marquardt算法訓練前向網絡；
trainwh 用Widrow-Hoff規則訓練線性層。