[labfans]

1） 重要的感知器神经网络函数：
初始化： initp
训练： trainp
仿真： simup
学习规则： learnp

2） 线性神经网络函数：
初始化： initlin
设计： solvelin
仿真： simulin
离线训练： trainwh
在线自适应训练： adaptwh
学习规则： learnwh

3） BP网络函数：
Initff：初始化不超过3层的前向网络；
Simuff：仿真不超过3层的前向网络；
Trainbp，trainbpx，trainlm：训练BP（Trainbp：最慢；trainbpx：次之；trainlm：速度最快，但需要更多的存储空间。）
Learnbp：学习规则

4） 自组织网络
初始化： initsm
仿真： simuc
训练： trainc：利用竞争规则训练
trainsm：利用Kohonen规则训练

5） 反馈网络（Hopfield网络）
仿真： simuhop
设计： solvehop

solvehop 设计Hopfield网络
solvelin 设计线性网络
rands 产生对称随机数
learnbp 反向传播学习规则
learnh Hebb学习规则
learnp 感知层学习规则
learnwh Widrow－Hoff学习规则
initlin 线性层初始化
initp 感知层初始化
initsm 自组织映射初始化
plotsm 绘制自组织映射图
trainbp 利用反向传播训练前向网络
trainp 利用感知规则训练感知层
trainwh 利用Widrow－Hoff规则训练线性层
trainsm 利用Kohonen规则训练自组织映射