用matlab做BP神经网络，进行数据预测，全部都为正数，但是反归一化后得到负数是什么原因？

这是程序
clc
clear
[filename,pathname]=uigetfile('E:\lunwen\Matlab wenjian\t1.xls');
file=[pathname filename];
x=xlsread(file);
input_train=[x(:,1),x(:,2),x(:,3),x(:,4),x(:,5);]'
output_train= x(:,6)',
[filename,pathname]=uigetfile('E:\lunwen\Matlab wenjian\t2.xls');
file=[pathname filename];
x=xlsread(file);
input_test=[x(:,1),x(:,2),x(:,3),x(:,4),x(:,5);]'
output_test= x(:,6)',
[inputn,inputps]=mapminmax(input_train,0,1);
[outputn,outputps]=mapminmax(output_train,0,1);
net=newelm(minmax(inputn),[5,1],{'logsig','tansig'},'trainlm');
net.trainParam.epochs=3000;
net.trainParam.lr=0.1;
net.trainParam.goal=0.0001;
net=train(net,inputn,outputn);
inputn_test=mapminmax('apply',input_test,inputps);
an=sim(net,inputn_test);
BPoutput=mapminmax('reverse',an,outputps);
得到的BPoutput中存在负数

net=newelm(minmax(inputn),[5,1],{'logsig','tansig'},'trainlm');
这是老版用法，建议你用新版用法。
net=newelm(P,T,S1);
输出层也用tansig吗，这可能会有负数。

Elman神经网络是一种带有反馈的两层BP网络结构，其反馈连接是从隐含层的输出到其输入端。这种反馈方式使得Elman网络能够探测和识别时变模式。
其隐含层又称为反馈层，神经元的传递函数为tansig，输出层为线性层，传递函数为purelin。这种特殊的两层网络可以任意精度逼近任意函数，唯一的要求是其隐含层必须具有足够的神经元数目。隐含层神经元数越多，则逼近复杂函数的精度就越高。

%预测输出反归一化 ynn=mapminmax('reverse',yuce,outputps);

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息