close all; clear all;
 
% Imposta i parametri della rete
Ninp=2;    %Numero input (non modificabile)
Nhid=50;   %Numero neuroni nello strato nascosto
Nout=1;    %Numero di output (non modificabile)
N=50;      %Il no. totale di dati sara' N x N


% Genera dati di input (griglia equispaziata sull'intervallo [-2,2])
x1 =linspace(-2,2,N);
x2 = x1;
[X1,X2]=meshgrid(x1,x2);   %Crea griglia delle coppie di valori (x1,x2)
X=[X1(:) X2(:)];           %Crea matrice dei dati di input (N^2 x 3)


%%%%%%%%%%%%%%%%%%%%%%%%%%
% Definisci struttura rete
%%%%%%%%%%%%%%%%%%%%%%%%%%
% Crea matrice Nimpx2 di valori minimi e massimi degli Nimp input
mn_mx_inp=minmax(X');

% Crea rete neurale: pesi, n. neuroni strato nascosto e 
% di output, funzioni di trasferimento
% Funzione di trasferimento dei neuroni dello strato nascosto: logsig
% Funzione di trasferimento dei neuroni dello strato di output: identita'
net=newff(mn_mx_inp,[Nhid Nout],{'logsig','purelin'});

% Imposta i pesi della rete in modo casuale
% randn('seed',220326)
amp_pesi = 3;                             %Parametro che controlla l'intensita' delle connessioni
net.IW{1} = amp_pesi*randn(Nhid,Ninp);    %Pesi connessioni strato di input - strato nascosto
net.LW{2,1} = amp_pesi*randn(Nout,Nhid);  %Pesi connessioni strato nascosto - strato di output
net.b{1} = amp_pesi*randn(Nhid,1);        %Pesi connessioni input di bias - strato nascosto
net.b{2} = amp_pesi*randn(1,Nout);        %Pesi connessioni bias nascosto - strato di output

% Calcola output rete output = f(input)
y=sim(net, X'); 

% Traccia grafico funzione di risposta
Y=reshape(y,N,N);
surf(X1,X2,Y);