Question

matlab中的神经网络输出全是NaN，来个大神帮我看看问题在哪！！！

function main()
clc
clear all;
close all;
trainnum=500;
testsamnum=500;
forcastnum=500;
hiddenunitnum=8;%%中间层隐节点数量（暂定）
indim=3;%%网络输入维数
outdim=1;%%网络输出维数

%读入数据
data=load('g:\1.txt');
data=data';
p=data(1:indim,1:trainnum);
t=data(indim+1,1:trainnum);
[trainin,minp,maxp,tn,mint,maxt]=premnmx(p,t);

rand('state',sum(100*clock));
voisevar=0.01;
voise=voisevar*rand(1,trainnum);
trainout=voise+tn;
testin=trainin;
testout=trainout;

maxepochs=50000;
lr=0.035;
e0=0.05*10^(-3);
w1=0.05*rand(hiddenunitnum,indim)-0.1;
b1=0.05*rand(hiddenunitnum,1)-0.1;
w2=0.05*rand(outdim,hiddenunitnum)-0.1;
b2=0.05*rand(outdim,1)-0.1;
errhistory=[];
for i=1:maxepochs
hiddenout=logsig(w1*trainin+repmat(b1,1,trainnum));
networkout=w2*hiddenout+repmat(b2,1,trainnum);
error=trainout-networkout;
sse=sumsqr(error);

errhistory=[errhistory sse];
if sse<e0,break,end

delta2=error;
delta1=w2'*delta2.*hiddenout.*(1-hiddenout);
dw2=delta2*hiddenout';
db2=delta2*ones(trainnum,1);
dw1=delta1*trainin';
db1=delta1*ones(trainnum,1);

w2=w2+lr*dw2;
b2=b2+lr*db2;

w1=w1+lr*dw1;
b1=b2+lr*db1;
end

hiddenout=logsig(w1*trainin+repmat(b1,1,testsamnum));
networkout=w2*hiddenout+repmat(b2,1,testsamnum);
a=postmnmx(networkout,mint,maxt);
x=1:500;
newk=a(1,:);
%figure;
%plot(x,newk,'g',x,t,'*k');
pnew=load('g:\2.txt');
pnew=[91;2;204.49];
pnewn=tramnmx(pnew,minp,maxp);
hiddenout=logsig(w1*pnewn+repmat(b1,1,1));
anewn=w2*hiddenout+repmat(b2,1,1);

anew=tramnmx(anewn,mint,maxt);
fid=fopen('g:\3.txt','wt');
fprintf(fid,'%g\n',anew);
fclose(fid);

• 你的回答被采纳后将获得：
• 系统奖励15（财富值+成长值）+难题奖励30（财富值+成长值）

Answer 1

肯定是公式有错，NaN是not a number的意思，肯定是某个地方写错了。不过，既然是matlab编程，为什么不使用神经网络工具箱呢。附件是一个工具箱的例子。

newff函肆首数的格式为：

net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈掘雹尺网络。输入参数说明：

PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；

Si：第i层神经元个数；

TFi：第i层的传递函数，默认函数为tansig函数；

BTF：训练函判高数，默认函数为trainlm函数；

BLF：权值/阀值学习函数，默认函数为learngdm函数；

PF：性能函数，默认函数为mse函数。