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。