单层感知器Matlab代码-异或运算

适合在校大学生初步实验使用，将此程序直接粘贴到Matlab的m文件中，便可直接运行，得到结果，本人已在博客中发表“与”运算实验，神经网络网址如https://blog.csdn.net/weixin_41529093/article/details/86713335，建议学有余力的同学不要下载，通过看我的博文，自己编出“异或”运算代码

function Perception1_4_YiHuoYunSuan（）
close all %关闭所有figure
rand（‘state‘sum（100*clock）） %随机数种子用时钟进行初始化
P=4;%训练样本数
%输入训练样本：
X（:1）=[0;0];
X（:2）=[0;1];
X（:3）=[1;0];
X（:4）=[1;1];
X=[-1*ones（14）; X];%考虑阈值，设x0=-1
%输入对应期望输出：
d=[0 1 1 0];

%设置感知器参数
InDim=2; %输入样本维数
OutDim=1; %输出维数
MaxTrainNumber=10;%最大训练次数
Eta=1;%学习率
w1=[]; %创建w1矩阵
w2=[]; %创建w2矩阵
%感知器训练
%权值初始化
W=rand（InDimOutDim）;
%设置阈值
T=0.1;
WExpand=[T; W];%合并阈值到权值

ErrHistory=[];
for i=1:MaxTrainNumber %循环MaxTrainNumber次
    for p=1:P
        net（p）=WExpand‘*X（:p）;%计算样本p的net值
        o（p）=SinPoleTwoValue_f（net（p））;%调用编辑好的变换函数，得到输出值
        Err（p）=o（p）-d（p）;%计算误差
        WExpand=WExpand+Eta*（d（p）-o（p））*X（:p）;%根据误差更新权值
    end
    %计算总误差
    Err_sum=sum（abs（Err））;
     %写出权值w1w2的一维矩阵复合
	w1=[w1 WExpand（2）];
	w2=[w2 WExpand（3）];
    %记录每次权值调整后的训练误差
    ErrHistory=[ErrHistory Err_sum]; 
    if Err_sum==0 break end %判断训练是否停止
end
W=WExpand（2:3）;
T=WExpand（1）;

disp（[‘The final Error is: ‘num2str（Err_sum） ‘.‘]）;
disp（[‘The curren Epoch is: ‘num2str（i） ‘.‘]）;