% 本例采用單一感知器神經(jīng)元來解決一個簡單的分類問題：將4個輸入向量分類兩類，其中2個向量對應的目標值為1，另兩個向量對應的目標值為0。
clf reset
figure(gcf)
%setfsize(300,300);
echo on
clc

% INITP -對感知器神經(jīng)元初始化
% SIMUP -對感知器神經(jīng)元仿真
% TRAINP -利用感知器學習規(guī)則對感知器神經(jīng)元訓練
pause  
clc
% P 為輸入向量
P=[-0.5 -0.5 +0.3 +0.0;
   -0.5 +0.5 -0.5 +1.0];
% T 為目標向量
T = [1 1 0 0];
pause 
clc
% 繪出輸入向量
plotpv(P,T);
pause
clc
% 定義感知器神經(jīng)元
[w,b]=initp(P,T);
echo off
k=pickic;
if k==2
    w=[-0.816 0.3078];
    b=[-0.1680];
end
echo on
clc
% 初始化感知器神經(jīng)元
plotpv(P,T);
plotpc(w,b);
pause
clc
% 訓練感知器神經(jīng)元
[w,b,epochs,errors] = trainp(w,b,P,T,-1);
pause
clc
% 繪制誤差曲線
ploterr(errors);
pause
clc
% 利用訓練完成的感知器神經(jīng)元進行分類
p=[0.5;0];
a=simup(p,w,b)
echo off