单层感知器的MATLAB实现

P= [-0.4 -0.5 0.6; 0.9 0 0.1]; %给定训练样本数据
T= [1 1 0]; %给定样本数据所对应的类别，用1和0来表示两种类别
%创建一个有两个输入、样本数据的取值范围都在[-1，1]之间，并且
%网络只有一个神经元的感知器神经网络
net=newp([-1 1;-1 1],1);
net.trainParam.epochs = 20; %设置网络的最大训练次数为20次
net=train(net,P,T); %使用训练函数对创建的网络进行训练
Y=sim(net,P) %对训练后的网络进行仿真
E1=mae(Y-T) %计算网络的平均绝对误差，表示网络错误分类
Q=[0.6 0.9 -0.1; -0.1 -0.5 0.5]; %检测训练好的神经网络的性能
Y1=sim(net,Q) %对网络进行仿真，仿真输出即为分类的结果
figure; %创建一个新的绘图窗口
plotpv(Q,Y1); %在坐标图中绘制测试数据
plotpc(net.iw{1},net.b{1}) %在坐标图中绘制分类线