У меня была аналогичная задача, когда я узнавал о концепции ANN, я поделюсь с вами кодом, требующим минимальных изменений для достижения цели.
clear all
close all
K1size = 200;
K2size = 300;
K1 = randn(K1size,2) - [ones(K1size,1)*2 ones(K1size,1)];
K2 = randn(K2size,2) + [ones(K2size,1) ones(K2size,1)*2];
figure(1)
plot(K1(1, 1), K1(1, 2), 'ro');
hold on
for i = 1:200
plot(K1(i, 1), K1(i, 2), 'ro');
end;
for i = 1:300
plot(K2(i, 1), K2(i, 2), 'bx');
end;
xlim([-5 5]);
ylim([-5 5]);
hold off
input = [K1 ;K2];
target = [zeros(K1size,1); ones(K2size,1)]; %K1 data gets target values of zero, K2 - ones
% Настройка сети
net = fitnet(5);
net.trainParam.min_grad = 0.000001;
net.trainParam.epochs = 200;
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
net.trainParam.max_fail = 15;
net.layers{1}.transferFcn = 'logsig';
% Обучение
net = train(net, inputN', targetN');
yN = net(inputN');
% Мы делаем поверхность взять контур:
n = 50;
xx = linspace(-20, 20, n);
yy = linspace(-20, 20, n);
[X, Y] = meshgrid(xx, yy);
Z = zeros(n, n);
% Вычислить значения из обученной сети для всей сетки (мы увидим, как были разделены два типа данных)
G = net([Y(:)' ; X(:)']) ; % 0 <= G <=1, like targets, so we can use it to make surface
Z = vec2mat(G, n);
% Черчение и показывает контур
figure(2)
surf(X, Y, Z);
figure(1)
hold on
contour(X,Y,Z,1, 'linewidth',4)
что вы пробовали? Вы уже посмотрели [Учебники, предоставленные Matlab] (http://www.mathworks.de/products/neural-network/examples.html) – thewaywewalk