matlab bp神经网络验证样本,Matlab的BP神经网络对测试样本数据归一化

P =[50 100 200 300 350;

50 100 200 300 350;

2.0 3.5 12.5 25.0 30.0;

300 400 750 1500 200;

150 225 375 500 550];

T =[1 0 0 0 0;0 1 0 0 0;0 0 1 0 0;0 0 0 1 0;0 0 0 0 1];

[pn,minp,maxp,tn,mint,maxt]=premnmx(P,T)

net=newff(minmax(pn),[15,5],{'tansig','purelin'},'trainlm');

net.trainParam.epochs=100;

net.trainParam.goal=1e-6;

net=train(net,pn,tn);

X =[54.57  39.75  36.48  136.10  51.34   135.90  274.60  59.91   41.48  18.08  35.10  32.26;

53.39  27.98  40.10  111.80  69.16   316.90  233.00  72.04   40.83  25.94  75.41  63.40;

0      0      0      0       0       0       64.71   8.40    0.60   2.80   13.03  0.20;

936.05 930.65 996.80 1490.15 1161.85 2296.70 2026.10 1179.78 700.18 900.96 857.64 667.98;

369.9  343.3  354.4  549.9   368.6   91.7    664.1   436.5   244.7  257.9  280.4  247.1];

P1=premnmx(X);

y =sim(net,P1)

请高手指点一下，测试样本是X，归一化以后，经过神经网络测试，输出的数有一部分不在【-1，1】这个范围内。

结果为

-1.5218   -1.0311   -1.4282    1.2416   -1.7977   -2.4807   -0.4628   -1.6699

1.7045    1.3561    1.7350    0.8088    2.2412    1.7814   -1.5106    1.2852

-0.6360   -0.6578   -0.6792   -0.7810   -0.9190   -1.5893   -0.6626    0.1735

-1.4238   -1.4267   -1.3491   -0.6257   -1.0417    1.1766    0.2071   -1.5226

-1.0030   -1.0981   -1.0206   -0.7731   -1.0056    0.5338   -0.6042   -1.4289

Columns 9 through 12

-0.4626   -0.8411   -2.7403   -1.3094

0.2893    0.7816    0.8609    0.9126

-0.6273   -0.6518    0.0658   -0.5710

-1.3826   -1.3384   -1.7178   -1.3380

-0.9261   -1.0038   -1.1695   -0.7038