例2-1.m

神经网络实用教程----第二章源码（很不错喔）

%
%从待分类的数据中取出一部分数据及其对应的类别作为样本数据，设计并训练一个能对待分类数据进行分类的单层感知器神经网络。
%
%给定训练样本数据
P= [-0.4 -0.5 0.6; 0.9 0 0.1];
%给定样本数据所对应的类别，用1和0来表示两种类别
T= [1 1 0];
%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);		
%设置网络的最大训练次数为20次，即训练20次后结束训练
net.trainParam.epochs = 20;
%使用训练函数对创建的网络进行训练
net=train(net,P,T);
%对训练后的网络进行仿真，即根据训练后的网络和样本数据给出输出
Y=sim(net,P)     
%计算网络的平均绝对误差，表示网络错误分类
E1=mae(Y-T) 
%给定测试数据，检测训练好的神经网络的性能
Q=[0.6 0.9 -0.1; -0.1 -0.5 0.5];
%使用测试数据，对网络进行仿真，仿真输出即为分类的结果
Y1=sim(net,Q)
%创建一个新的绘图窗口
figure;
%在坐标图中绘制测试数据点，并根据数据所对应的类别用约定的符号画出
plotpv(Q,Y1);
%在坐标图中绘制分类线
plotpc(net.iw{1},net.b{1})