实现一个单神经元的训练函数，使用sigmoid激活函数和均方误差(MSE)损失，通过反向传播算法更新权重和偏置。这是深度学习中最基本的神经网络单元实现。

输入描述:

函数接收6个参数：1. features：二维列表，每行是一个样本的特征向量2. labels：一维列表，包含对应的二分类标签（0或1）3. initial_weights：一维列表，初始权重4. initial_bias：浮点数，初始偏置值5. learning_rate：浮点数，学习率6. epochs：整数，训练轮数

输出描述:

返回一个元组，包含三个元素：1. 更新后的权重列表（保留4位小数）2. 更新后的偏置值（保留4位小数）3. 每个epoch的MSE值列表（保留4位小数）

备注:

1.对应的输入、输出已给出，您只用实现核心功能函数即可。2.支持numpy、scipy、pandas、scikit-learn库。