matlab符号极限输出nan,求大佬指点，为什么输出值是NAN，而且试验样本的成绩的走向不对...

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

clear; clc;

SamNum = 13; % 输入样本数量

TestSamNum = 13; % 测试样本数量

ForcastSamNum = 1; % 预测样本数量

HiddenUnitNum=6; % 隐含层

InDim = 8; % 输入层

OutDim = 1; % 输出层

% 原始数据

p=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1;

9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5;

3.45 3.75 3.5 3.65 3.5 3.4 3.55 3.5 3.55 3.5 3.4 3.1 3.6;

2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1;

140 120 140 150 80 130 130 100 130 140 115 80 90;

2.8 3.4 3.5 2.8 1.5 3.2 3.5 1.8 3.5 2.5 2.8 2.2 2.7;

11 10.9 11.4 10.8 11.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1;

50 70 50 80 50 60 65 40 65 50 50 50 70];

t=[2.24 2.33 2.24 2.32 2.2 2.27 2.2 2.26 2.2 2.24 2.24 2.2 2.2];

[p1,minp,maxp,t1,mint,maxt]=premnmx(p,t);

SamOut = t1; % 输出样本

MaxEpochs = 50000; % 最大训练次数

lr = 0.05; % 学习率

E0 = 1e-5; % 目标误差

rng('default');

W1 = rand(HiddenUnitNum, InDim); % 初始化输入层与隐含层之间的权值

B1 = rand(HiddenUnitNum, 1); % 初始化输入层与隐含层之间的阈值

W2 = rand(OutDim, HiddenUnitNum); % 初始化输出层与隐含层之间的权值

B2 = rand(OutDim, 1); % 初始化输出层与隐含层之间的阈值

ErrHistory = zeros(MaxEpochs, 1);

for i = 1 : MaxEpochs

HiddenOut = logsig(W1*p + repmat(B1, 1, SamNum)); % 隐含层网络输出

NetworkOut = W2*HiddenOut + repmat(B2, 1, SamNum); % 输出层网络输出

Error = SamOut - NetworkOut; % 实际输出与网络输出之差

SSE = sumsqr(Error); % 能量函数(误差平方和)

ErrHistory(i) = SSE;

if SSE < E0

break;

end

% 以下六行是BP网络最核心的程序

% 权值(阈值)依据能量函数负梯度下降原理所作的每一步动态调整量

Delta2 = Error;

Delta1 = W2' * Delta2 .* HiddenOut .* (1 - HiddenOut);

dW2 = Delta2 * HiddenOut';

dB2 = Delta2 * ones(SamNum, 1);

dW1 = Delta1 * p';

dB1 = Delta1 * ones(SamNum, 1);

% 对输出层与隐含层之间的权值和阈值进行修正

W2 = W2 + lr*dW2;

B2 = B2 + lr*dB2;

% 对输入层与隐含层之间的权值和阈值进行修正

W1 = W1 + lr*dW1;

B1 = B1 + lr*dB1;

end

HiddenOut = logsig(W1*p + repmat(B1, 1, TestSamNum)); % 隐含层输出最终结果

NetworkOut = W2*HiddenOut + repmat(B2, 1, TestSamNum); % 输出层输出最终结果

a = postmnmx(NetworkOut, mint, maxt); % 还原网络输出层的结果

x = 1 : 13; % 序号刻度

newk = a(1, :); % 网络输出量

subplot(2,1, 1);

plot(x, newk, 'r-o', x, t1, 'b--+');

legend('网络输出量', '实际量');

xlabel('序号');

ylabel('成绩');

% 利用训练好的网络进行预测

pnew=[3.0;9.3;3.3;2.05;100;2.8;11.2;50]; % 15的相关数据；

pnewn = tramnmx(pnew, minp, maxp);

HiddenOut = logsig(W1*pnewn + repmat(B1, 1, ForcastSamNum)); % 隐含层输出预测结果

anewn = W2*HiddenOut + repmat(B2, 1, ForcastSamNum); % 输出层输出预测结果

anew = postmnmx(anewn, mint, maxt);

disp('预测值d：');

disp(anew);