发个老程序为例
clc
clear
close all

%---------------------------------------------------
% 产生训练样本与测试样本

P1 = 1:2:200;                   % 训练样本，每一列为一个样本
T1 = sin(P1*0.1);               % 训练目标

P2 = 2:2:200;                   % 测试样本，每一列为一个样本
T2 = sin(P2*0.1);               % 测试目标

%---------------------------------------------------
% 归一化

[PN1,minp,maxp,TN1,mint,maxt] = premnmx(P1,T1);
PN2 = tramnmx(P2,minp,maxp);
TN2 = tramnmx(T2,mint,maxt);

%---------------------------------------------------
% 设置网络参数

NodeNum = 20;                   % 隐层节点数
TypeNum = 1;                    % 输出维数

TF1 = 'tansig';TF2 = 'purelin'; % 判别函数(缺省值)
%TF1 = 'tansig';TF2 = 'logsig';
%TF1 = 'logsig';TF2 = 'purelin';
%TF1 = 'tansig';TF2 = 'tansig';
%TF1 = 'logsig';TF2 = 'logsig';
%TF1 = 'purelin';TF2 = 'purelin';

net = newff(minmax(PN1),[NodeNum TypeNum],{TF1 TF2});

%

%---------------------%

net.trainParam.show = 20;          % 训练显示间隔
net.trainParam.lr = 0.3;            % 学习步长 - traingd,traingdm
net.trainParam.mc = 0.95;           % 动量项系数 - traingdm,traingdx
net.trainParam.mem_reduc = 1;      % 分块计算Hessian矩阵(仅对Levenberg-Marquardt算法有效)
net.trainParam.epochs = 1000;       % 最大训练次数
net.trainParam.goal = 1e-8;         % 最小均方误差
net.trainParam.min_grad = 1e-20;    % 最小梯度
net.trainParam.time = inf;          % 最大训练时间

%---------------------------------------------------
% 训练

net = train(net,PN1,TN1);     % 训练

%---------------------------------------------------
% 测试

YN1 = sim(net,PN1);             % 训练样本实际输出
YN2 = sim(net,PN2);             % 测试样本实际输出

MSE1 = mean((TN1-YN1).^2)       % 训练均方误差
MSE2 = mean((TN2-YN2).^2)       % 测试均方误差

%---------------------------------------------------
% 反归一化

Y2 = postmnmx(YN2,mint,maxt);

%---------------------------------------------------
% 结果作图

plot(1:length(T2),T2,'r+:',1:length(Y2),Y2,'bo:')
title('+为真实值，o为预测值')

比如约束条件为函数定义域为多少到多少之间，或者值域在多少之间，特定的x一定对应特定的y

限制值域的一个比较笨的方法：

可以把输出节点的传递函数设置成logsig，把输出之限制在0,1之间，比如你的输出值是
>> x=1:6

x =

     1     2     3     4     5     6

要求输出在[0 10]范围内，那么你可以把x先在这个范围内归一化
>> x=x/10

x =

    0.1000    0.2000    0.3000    0.4000    0.5000    0.6000
现在你可以用logsig函数作为输出节点传递函数了，但是输出的值要经过反归一化才能得到你想要的结果
>> x=x*10

x =

     1     2     3     4     5     6

对于定义域：
net = newff(minmax(PN1),[NodeNum TypeNum],{TF1 TF2});%的minmax已经给你完成了，
至于特定的x一定对应特定的y，你是不是要求严格相等阿？我的观点是，把这些有特定要求的点，在训练完之后再训练，不行再训练，但有可能导致一个病态的结果。

收到的鲜花

• meteora1106 于 2008-11-09 23:05 送鲜花  49朵   附言：谢谢

谢谢，版主亲自解释，我知道了 ，就是都搞几个 对应特定值 的样本训练再不行就多搞
有其他方法也请告诉我，比如 把输出的net函数值域最大最小值限定什么的
谢谢了