设P=[-1,1,-1,1,-1,1,-1,1;-1,-1,1,1,-1,-1,1,1;-1,-1,-1,-1,1,1,1,1],T=[0,1,0,0,1,1,0,1].请画出感知器网络结构图，并编写Matlab程序解该分类问题。如T=[0,0,0,0,1,1,1,1;0,0,0,0,1,1,1,1], 请画出感知器网络结构图，并编写Matlab程序解该分类问题。

针对您的问题，我将分两部分回答。

首先是P=[-1,1,-1,1,-1,1,-1,1;-1,-1,1,1,-1,-1,1,1;-1,-1,-1,-1,1,1,1,1],T=[0,1,0,0,1,1,0,1]的感知器网络结构图和Matlab程序：

感知器网络结构图如下所示：

        O
        |
O - O - O - T
        |
        O

其中，输入层有8个节点，输出层有1个节点，中间层有1个节点。

Matlab程序如下所示：

% 数据准备
P = [-1,1,-1,1,-1,1,-1,1;-1,-1,1,1,-1,-1,1,1;-1,-1,-1,-1,1,1,1,1];
T = [0,1,0,0,1,1,0,1];
 
% 感知器网络训练
net = perceptron;
net.trainParam.epochs = 100;
net = train(net, P, T);
 
% 测试感知器网络
Y = net(P);
 
% 分类结果可视化
plotconfusion(T, Y);

代码中使用了`perceptron`函数创建了一个感知器网络，然后使用`train`函数进行训练，最后使用`plotconfusion`函数将分类结果进行可视化。

接着是T=[0,0,0,0,1,1,1,1;0,0,0,0,1,1,1,1]的感知器网络结构图和Matlab程序：

感知器网络结构图如下所示：

O - O - T
  \   /
   O O

其中，输入层有2个节点，输出层有1个节点，中间层有2个节点。

Matlab程序如下所示：

% 数据准备
P = [0,0;0,1;1,0;1,1];
T = [0,0,0,0,1,1,1,1];
 
% 感知器网络训练
net = perceptron([1 1; -1 -1], 0, 'hardlim');
net.trainParam.epochs = 100;
net = train(net, P', T);
 
% 测试感知器网络
Y = sim(net, P');
 
% 分类结果可视化
plotconfusion(T, Y);

代码中使用了`perceptron`函数创建了一个感知器网络，中间层有2个节点，使用`train`函数进行训练，最后使用`sim`函数测试感知器网络，使用`plotconfusion`函数将分类结果进行可视化。感知器网络的输入层和输出层没有显式的定义，但在代码中使用了一个2x2的矩阵`P`代表输入，一个1x8的矩阵`T`代表输出。