神经网络结果输出中的移位（matlab）

我希望有人能澄清我对情况的误解，进一步描述…我只是为了教育目的写了一个非常简单的代码

x = getX();
y = getY();
net = feedforwardnet([50,25]);
net.trainParam.epochs = 500;
net.trainParam.showWindow = false;
n1 rain(net,x,y,'showResources','no','useParallel','yes','useGPU','yes');
r = n1(x);

然后我检查它是如何工作的我使用了一个数据集，它看起来像：

DataSet4Check:
  X     Y
1 2 3   1
2 3 4   2
3 4 5   3
4 5 6   4
etc.

我认为数字的绝对值在这里不起主要作用，上面给出的数据集只是为了说明集合中的一种模式。。。我得到了一个非常透明的结果：

CheckResult:
R   Y
1   1
2   2
3   3
etc.

但是我稍微改变了数据集：

Second DataSet:
X2      Y2
1 2 3   -1
2 3 4   0
3 4 5   1
4 5 6   2
etc.

我得到了一个完全出乎意料的结果

Scond Result
R2   Y2
1    0
2    1
3    2
4    3

NN输出滞后于TargetData一步，X2和Y2的前两个刚从NN结果中消失。。。谁能解释一下我的例子到底错在哪里

---

感谢埃德万斯

任务已解决。我刚刚欺骗了NN（））

你能稍微扩展一下吗？我试图复制你的问题，但我做不到。培训数据集有多大？为什么第二个结果Y2从0开始而不是从-1开始？谢谢你的回答！嗯，数据集足够大了。它可能有3到1.8万个例子。我问题中的数字值只是为了简单起见。实际数字相差更大。不同的集合包含不同的数据范围，例如：在第一个集合中从100到5000；从-1.5到1.5秒；从第三节的100.9到500.1。这些数字只是来自不同类型传感器的数据流。我的主要目标是在一张图上得到完整的集合。再次感谢！数字？图表我不明白。因此，据我所知，当您使用第一个数据集（X，Y）进行训练，然后使用相同的输入（X）进行测试时，它工作正常（R=Y），但当您使用不同的数据集（X2，Y2）进行重新训练，并使用该输入（X2）进行测试时，输出会发生移位（R2=/=Y2）。我的理解行吗？数据集2有多大？谢谢你的打扰！任务解决了。