使用newsom函式建立網路： net=newsom(PR,[D1,D2,^],TFCN,DFCN,OLR,OSTEPS,TLR,TND) PR:R個輸入元素的最大值和最小值的設定值，R*2維矩陣 Di：第I層的維數，預設為[5 8] TFCN：拓撲函式，預設為hextop DFCN:距離函式，預設為linkdist OLR：分類階段學習速率，預設為0.9 OSTEPS：分類階段的步長，預設為1000 TLR：調諧階段的學習速率，預設為0.02 TNS:調諧階段的領域距離，預設為1. 例子： >> P=[rand(1,400)*2;rand(1,400)];>> plot(P(1,:),P(2,:),".","markersize",20)>> net=newsom([0 1;0 1],[3 5]);>> net=train(net,P);>> hold on>> plotsom(net.iw{1,1},net.layers{1}.distances)>> hold off 第二個函式：newc函式 功能：該函式用於建立一個競爭層 net=newc net=newc(PR,S,KLR,CLR) S:神經元的數目 KLR：Kohonen學習速度，預設為0.01 CLR：Conscience學習速度，預設為0.001 net:函式返回值，一個新的競爭層。 也可以參考附件的程式碼，裡面有一個案例是SOM神經網路的。
使用newsom函式建立網路： net=newsom(PR,[D1,D2,^],TFCN,DFCN,OLR,OSTEPS,TLR,TND) PR:R個輸入元素的最大值和最小值的設定值，R*2維矩陣 Di：第I層的維數，預設為[5 8] TFCN：拓撲函式，預設為hextop DFCN:距離函式，預設為linkdist OLR：分類階段學習速率，預設為0.9 OSTEPS：分類階段的步長，預設為1000 TLR：調諧階段的學習速率，預設為0.02 TNS:調諧階段的領域距離，預設為1. 例子： >> P=[rand(1,400)*2;rand(1,400)];>> plot(P(1,:),P(2,:),".","markersize",20)>> net=newsom([0 1;0 1],[3 5]);>> net=train(net,P);>> hold on>> plotsom(net.iw{1,1},net.layers{1}.distances)>> hold off 第二個函式：newc函式 功能：該函式用於建立一個競爭層 net=newc net=newc(PR,S,KLR,CLR) S:神經元的數目 KLR：Kohonen學習速度，預設為0.01 CLR：Conscience學習速度，預設為0.001 net:函式返回值，一個新的競爭層。 也可以參考附件的程式碼，裡面有一個案例是SOM神經網路的。