%
%從待分類的數(shù)據(jù)中取出一部分數(shù)據(jù)及其對應的類別作為樣本數(shù)據(jù)，設計并訓練一個能對待分類數(shù)據(jù)進行分類的單層感知器神經(jīng)網(wǎng)絡。
%
%給定訓練樣本數(shù)據(jù)
P= [-0.4 -0.5 0.6; 0.9 0 0.1];
%給定樣本數(shù)據(jù)所對應的類別，用1和0來表示兩種類別
T= [1 1 0];
%創(chuàng)建一個有兩個輸入、樣本數(shù)據(jù)的取值范圍都在[-1，1]之間，并且網(wǎng)絡只有一個神經(jīng)元的感
%知器神經(jīng)網(wǎng)絡
net=newp([-1 1;-1 1],1);		
%設置網(wǎng)絡的最大訓練次數(shù)為20次，即訓練20次后結(jié)束訓練
net.trainParam.epochs = 20;
%使用訓練函數(shù)對創(chuàng)建的網(wǎng)絡進行訓練
net=train(net,P,T);
%對訓練后的網(wǎng)絡進行仿真，即根據(jù)訓練后的網(wǎng)絡和樣本數(shù)據(jù)給出輸出
Y=sim(net,P)     
%計算網(wǎng)絡的平均絕對誤差，表示網(wǎng)絡錯誤分類
E1=mae(Y-T) 
%給定測試數(shù)據(jù)，檢測訓練好的神經(jīng)網(wǎng)絡的性能
Q=[0.6 0.9 -0.1; -0.1 -0.5 0.5];
%使用測試數(shù)據(jù)，對網(wǎng)絡進行仿真，仿真輸出即為分類的結(jié)果
Y1=sim(net,Q)
%創(chuàng)建一個新的繪圖窗口
figure;
%在坐標圖中繪制測試數(shù)據(jù)點，并根據(jù)數(shù)據(jù)所對應的類別用約定的符號畫出
plotpv(Q,Y1);
%在坐標圖中繪制分類線
plotpc(net.iw{1},net.b{1})