人工神经网络的知识表示形式：
1、每个神经元都是一个多输入单输出的信息处理单元 ；
2、神经元输入分兴奋性输入和抑制性输入两种类型 ；
3、神经元具有空间整合特性和阈值特性 ；
4、神经元输入与输出间有固定的时滞 ，主要取决于突触延搁 ；
5、忽略时间整合作用和不应期 ；
6、神经元本身是非时变的 ， 即其突触时延和突触强度均为常数 。
概念分析
人工神经网络是在现代神经生物学研究基础上提出的模拟生物过程 ，反映人脑某些特性的一种计算结构。它不是人脑神经系统的真实描写，而只是它的某种抽象、简化和模拟。
根据前面对生物神经网络的介绍可知，神经元及其突触是神经网络的基本器件 。 因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络中，神经元常被称为“处理单元” 。有时从网络的观点出发常把它称为“节点” 。
谷歌人工智能写作项目：小发猫
首先：你的想法（199个数作为输入，1个数作为输出）是没什么问题，但是你的输入矩阵为199*n，你的n=1，表明你的样本只有一个，这样一个孤立的样本作为训练样本没什么意义；
其次：姑且不谈你的样本意义，需要跟你说明的是，matlab神经网络工具箱是以一列为一个样本，而你的B=minmax(input')使得B为1*199的矩阵，显然不对，最好加上B=B'；
最后：[net,tr]=train(net,input,output,[],[]);中的参数为三个也行，改为net=train(net,input,output);
上面所述是按旧版本来的参考：一个技术宅的学习笔记。
下面是我修改的程序，matlab版本R2012b，你的是旧版本的matlab，所以newff用法跟新的略有不同：
clear
p=1:0.05:11-0.05;
t=(p-1).*(p-2).*(p-4).*(p-9).*(p-11);
N=length(p);
input=t(1:199)';
output=t(200);
ptest=t(2:200)';
% B=minmax(input');
net = newff(input,output,[20 6],{
