%產生指定類別的樣本點，并在圖中繪出
X = [0 1; 0 1];   % 限制類中心的范圍
clusters = 5;     % 指定類別數目
points = 10;       % 指定每一類的點的數目
std_dev = 0.05;   % 每一類的標準差
P = nngenc(X,clusters,points,std_dev);
plot(P(1,:),P(2,:),'+r');
title('輸入樣本向量');
xlabel('p(1)');
ylabel('p(2)');
%建立網絡
net=newc([0 1;0 1],5,0.1); %設置神經元數目為5
%得到網絡權值，并在圖上繪出
figure;
plot(P(1,:),P(2,:),'+r');
w=net.iw{1}
hold on;
plot(w(:,1),w(:,2),'ob');
hold off;
title('輸入樣本向量及初始權值');
xlabel('p(1)');
ylabel('p(2)');
figure;
plot(P(1,:),P(2,:),'+r');
hold on;
%訓練網絡
net.trainParam.epochs=7; 
net=init(net);
net=train(net,P);
%得到訓練后的網絡權值，并在圖上繪出
w=net.iw{1}
plot(w(:,1),w(:,2),'ob');
hold off;
title('輸入樣本向量及更新后的權值');
xlabel('p(1)');
ylabel('p(2)');
a=0;
p = [0.6 ;0.8];
a=sim(net,p)