Creo que la forma más segura de hacer esto es tomar la región de entrada que le interesa, discretizarla y marcar cada punto como positivo o negativo. Escribí esta función en Octave y para ser compatible con mi propio código de red neuronal, por lo que es posible que deba modificar algunos de los detalles para que funcione.
función decisionBoundary (W, xmin, xmax, dx, ymin, ymax, dy)
xlim ([xmin xmax])
ylim ([ymin ymax])
Espere;
para x = xmin: dx: xmax
para y = ymin: dy: ymax
activación = forwardPropagate ([xy] ', W);
si la activación {fin} (1)> 0.5
plot (x, y, '. r', "markersize", 20)
más
plot (x, y, '. g', "markersize", 20)
fin
Espere;
fin
fin
fin
Esto es lo que obtengo cuando lo ejecuto en una red capacitada para calcular XOR: 
- ¿Cuáles son los avances actuales en inteligencia artificial?
- ¿Cuál es la forma más fácil y competente de aprender IA?
- Cómo controlar remotamente una mano de robot de acuerdo con los movimientos de mi propia mano EXACTAMENTE igual
- ¿Quora es una IA de supercomputadora que está aprendiendo sobre el mundo para hacerse cargo? ¿Le damos la bienvenida a nuestros nuevos señores robot?
- ¿Cómo funcionan los programas de IA que aprenden a jugar solos?
