在matlab中使用两层感知器网络模拟“异或”函数

在MATLAB中，你可以使用两层感知器（也称为前馈神经网络）来模拟"异或"（XOR）函数，因为异或函数是非线性的，而简单的线性模型无法直接表示。以下是基本步骤：

1. **数据准备**：
创建一组输入数据，包括0和1的组合，对应于XOR运算的结果（00, 01, 10, 11），用于训练网络。

inputs = [0 0; 0 1; 1 0; 1 1];
outputs = [0; 1; 1; 0]; % XOR运算结果

2. **初始化网络**：
使用`patternnet`函数创建一个两层感知器网络，通常包含一个输入层、隐藏层和一个输出层。可以设置隐藏层节点数以便网络学习到非线性关系。

hiddenNodes = 4; % 可能需要尝试调整这个值
net = patternnet(hiddenNodes);

3. **训练网络**：
`train`函数用于训练网络，使用`inputs`作为输入，`outputs`作为期望输出。

net = train(net, inputs', outputs');

4. **测试网络**：
用一些未见过的数据测试网络的表现。

testInputs = [0 0; 0 1; 1 0; 1 1]; % 预测新数据的输出
predictedOutputs = net(testInputs'); % 网络预测

5. **评估性能**：
检查预测结果是否接近理想结果。

disp(predictedOutputs == outputs); % 输出每个预测与实际结果的对比