function?Perception1_4_YiHuoYunSuan（）
close?all?%關閉所有figure
rand（‘state‘sum（100*clock））?%隨機數種子用時鐘進行初始化
P=4;%訓練樣本數
%輸入訓練樣本：
X（:1）=[0;0];
X（:2）=[0;1];
X（:3）=[1;0];
X（:4）=[1;1];
X=[-1*ones（14）;?X];%考慮閾值，設x0=-1
%輸入對應期望輸出：
d=[0?1?1?0];

%設置感知器參數
InDim=2;?%輸入樣本維數
OutDim=1;?%輸出維數
MaxTrainNumber=10;%最大訓練次數
Eta=1;%學習率
w1=[];?%創建w1矩陣
w2=[];?%創建w2矩陣
%感知器訓練
%權值初始化
W=rand（InDimOutDim）;
%設置閾值
T=0.1;
WExpand=[T;?W];%合并閾值到權值

ErrHistory=[];
for?i=1:MaxTrainNumber?%循環MaxTrainNumber次
????for?p=1:P
????????net（p）=WExpand‘*X（:p）;%計算樣本p的net值
????????o（p）=SinPoleTwoValue_f（net（p））;%調用編輯好的變換函數，得到輸出值
????????Err（p）=o（p）-d（p）;%計算誤差
????????WExpand=WExpand+Eta*（d（p）-o（p））*X（:p）;%根據誤差更新權值
????end
????%計算總誤差
????Err_sum=sum（abs（Err））;
?????%寫出權值w1w2的一維矩陣復合
	w1=[w1?WExpand（2）];
	w2=[w2?WExpand（3）];
????%記錄每次權值調整后的訓練誤差
????ErrHistory=[ErrHistory?Err_sum];?
????if?Err_sum==0?break?end?%判斷訓練是否停止
end
W=WExpand（2:3）;
T=WExpand（1）;

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