Matlab 在我训练神经网络后，如何从新的输出中找到预测的输入？

我有一个大数据集，用来训练神经网络。现在我想在新的输出上使用它，有可能得到这个输出的输入预测吗

模型脚本如下所示：

%使用神经网络解决输入输出拟合问题
%此脚本假定定义了以下变量：
% '''''''''''''''''''''''''''''''''''''''''''''''''
数据-输入数据。
数据_1-目标数据。
x=数据'；
t=数据_1'；
trainFcn='trainlm'；%Levenberg-Marquardt反向传播。
% ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
%创建管件网络
hiddenLayerSize=10；
净=fitnet（hiddenLayerSize，trainFcn）；
%培训、验证和测试数据的设置部门
净divideParam.trainRatio=70/100；
net.divideParam.valRatio=15/100；
net.divideParam.testRatio=15/100；
%培训网络
[net，tr]=列车（net，x，t）；
% ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
%测试网络数据-输入数据。
数据_1-目标数据。
x=数据'；
t=数据_1'；
trainFcn='trainlm'；%Levenberg-Marquardt反向传播。
%创建管件网络
hiddenLayerSize=10；
净=fitnet（hiddenLayerSize，trainFcn）；
%培训、验证和测试数据的设置部门
净divideParam.trainRatio=70/100；
net.divideParam.valRatio=15/100；
net.divideParam.testRatio=15/100；
%培训网络
[net，tr]=列车（net，x，t）；
%测试网络
y=净（x）；
e=G子域（t，y）；
性能=性能（净、t、y）
视图（净）`
y=净（x）；
e=G子域（t，y）；
性能=性能（净、t、y）
视图（净）

---

我想插入新的输出并预测可能的输入。我该怎么做呢？

你可以用

output = sim(net,input)

---

您可以使用

output = sim(net,input)

---

说清楚一点，你把术语弄糊涂了，对吗？您希望使用新的输入来预测输出，而不是相反around@adriaan不，我没有困惑，我想知道我的输出的最佳输入条件是什么。只是说清楚，你把术语弄糊涂了，对吗？您希望使用新的输入来预测输出，而不是相反around@adriaan不，我没有感到困惑，我想知道我的输出的最佳输入条件是什么。谢谢，但我的目的是找到我的输入的最佳组合（我所需输出的最佳输入值）@SaedRawash，这实际上相当令人困惑。想解释一下吗？我的意思是，制作神经网络的全部目的是为了得到与你所说的相反的结果。你给出了输入，因此“查找”输入是没有意义的，根据单词的定义，这是你给算法的，而不是算法搜索的。想进一步解释一下你在做什么吗？谢谢，但我的目的是找到我输入的最佳组合（我期望输出的最佳输入值）@SaedRawash，这实际上相当令人困惑。想解释一下吗？我的意思是，制作神经网络的全部目的是为了得到与你所说的相反的结果。你给出了输入，因此“查找”输入是没有意义的，根据单词的定义，这是你给算法的，而不是算法搜索的。想进一步解释一下你在做什么吗？