-

P = {0 1; 0 1};
چون ورودی هامون یا 0 یا 1 است پس 0 و 1 رو بعنوان محدوه مینویسیم و چون 2 ورودی به نرون داریم 2 بار می نویسیم. کلا هم یه نرون گرفتیم البته نمیدونم ازکجا بدونم تعداد نرون ها کی باید بیشتر بشه
T = (0:1);
خروجی هامون را یا 0 یا 1 در نظر گرفتم
net = newp(P,T);
p=[ [0;0] [0;1] [1;0] [1;1] ];
همه حالت ها رو دادم و درپایین مشخص کردیم که هر ورودی خروجیش چیه
t=[0 1 1 1];
net.trainparam.apochs=5; پنج مرحله گفتیم شبکه بره جلو

net=train(net,p,t);
w=net.iw{1,1},b=net.b{1}; جدید رو حساب کنه W,B

A = sim(net,p)