matlab神经网络1-单层感知器

神经网络的入门——单层感知器

第一次使用CSDN，操作还不太熟练，之后会一直在这里分享matlab，java，c，电路等的学习笔记
单层感知器还是十分简单的，很容易理解其中的运算，

%单层感知器网络，用于点的分类
P=[0,0,1,1;0,1,0,1];%P的列为输入向量
T=[0,1,1,1];%输入数据的期望输出
net=newp(minmax(P),1,'hardlim','learnp');
%创建感知器，范围、输出节点个数、传输函数、学习函数。
%minmax（P）是输入P的行的范围大小
%如B=minmax(P);
%1表示输出节点的个数
%hardlim和learnp为默认，可省略
net=train(net,P,T);%进行训练
Y=sim(net,P);%仿真
plotpv(P,T);
%plotpv用来绘制感知器的输入和目标向量，因为绘制最多为三维，所以只能在维度小于等于%3时使用
plotpc(net.iw{1,1},net.b{1});
%plotpc用来绘制感知器矢量图上的分类线，net.iw{1,1}为net的权重矩阵，net.b{1}为%net的偏置
Z=sim(net,[0.9,0.9]');
%测试输入[0.9 0.9]',因为它在斜线上方，所以输出为1