神经网络bp函数拟合不准。

初学神经网络试着玩下函数拟合，

随便写个函数y=x1.*x1-x2.^3+3*x1.*x2-2*x2+1;

之后用x1x2和计算的y值反推上函数（就是明知道函数是啥，就想用神经网络再给算出来）

训练数据经过神经网络算的结果与预期值相差不大；

！！！关键是换用其他数据后结果偏差的完全没法看，

最可气的是把没问题的训练数据的前50组重新作为新输入给网络计算结果又差的不能看

求大神解释！代码如下：

x1=unifrnd(-5,5,100,1);%随机生成100*1阵

x2=unifrnd(-5,5,100,1);

y=x1.*x1-x2.^3+3*x1.*x2-2*x2+1;%目标输出

in=[x1,x2]';%目标输入

net=newff(minmax(in),[9,9,9,9,1],{'tansig','tansig','tansig','tansig','purelin'},'trainlm','learngdm','msereg');

net=init(net);

net.performFcn='sse';

net.trainParam.goal=0.01;

net.trainParam.show=20;

net.trainParam.epochs=50000;

net.trainParam.mc=0.95;

[net,tr]=train(net,in,y');

Y=sim(net,in);

plot(y'-Y)

x3=unifrnd(-5,5,100,1);%随机再生成一组数据验证函数准确性

x4=unifrnd(-5,5,100,1);

y2=x3.*x3-x4.^3+3*x3.*x4-2*x4+1;

in2=[x3,x4]';

Y2=net(in2);%把新输入用网络计算出输出

plot(y2'-Y2)%绘制误差图