从您给出的图表中，很明显您必须设计一个有监督的网络。此外，很明显，您正在处理一个不可线性分离的问题，即您不能使用单行分隔两个类。特别是，需要三行来分隔这两个类。

根据以上观察，您可以做的是：

1. 制作形式的训练数据集，[(x,y), o]其中(x,y)坐标是图上的坐标，并且o是该点所属的类。

   注意：您实际上可以将数据集划分为训练数据和测试数据。只是，提取数据，随机打乱，取前 80% 的数据进行训练，剩下 20% 的数据进行测试。

2. 设计一个带有偏置单元和一些随机初始权重值的 2-2-2-1 神经网络。这是因为我们需要最少三行来分隔两个类，因此 2 个隐藏层（每个由 2 个节点和偏置节点组成）和 1 个输出层（带有偏置节点）。第一层是具有 2 个节点（无偏差）的输入层，因为我们有 x 坐标和 y 坐标。

3. 使用错误反向传播算法使用此网络训练您的训练数据，即更新层之间的权重和偏差权重。运行 EBP 算法 100-2000 个时期。

4. 然后，使用测试数据查看是否获得了所需的输出。

注意：我不太确定如何从图中获取坐标。您可以手动记录所有点或研究某些方法以从图像中自动获取这些点（某些图像处理算法）。

编辑：我找到了一个解释神经网络的好视频。在视频中，有非线性数据，例如图像中的数据，可以使用多条线进行分离，并且网络旨在尝试找到可以分离数据的曲线，并且输出类似于使用直线时的输出。