% wf1.m
%
P = [ 1 -1.2 ];		
T = [ 0.5 1 ];
[ R, Q ] = size (P);		
[S, Q] = size (T );	
lr = 0.4*maxlinlr (P);		                 % 最佳學習速率
net = newlin(minmax(P),S,[0],lr);            % 創建線性網絡
net.inputWeights{1,1}.initFcn='rands';		 % 初始化權值
net.biases{1}.initFcn='rands';				 % 初始化偏差
net = init(net);						  	 % 把初始化的權值和偏差函數賦給網絡
W0 = net.iw{1,1}							 % 顯示初始化權值和偏差
B0 = net.b{1}
net.trainParam.epochs = 20; 			     % 最大循環次數
net.trainParam.goal = 0.001; 			     % 期望誤差
[net tr]=train(net,P,T);                     % 進行線性網絡權值訓練
W = net.iw{1,1}						       	 % 顯示網絡訓練后最終的權值和偏差
B = net.b{1}