我在MATLAB中用652500个数据点训练了我的人工神经网络（ANN），在另一个盲测试（652100个数据点-对于全新的输入数据集）中，输出非常好（正如我所希望的）。但是，当我插入的数据量非常少（例如，低于50个数据点）时，就会出现问题。输出非常出乎意料，我检查了很多次。
更准确地说，训练阶段包含10%的数据用于训练，45%用于验证，45%用于测试。该训练非常成功，对于大量的新输入数据，效果非常好。问题是，当在神经网络中插入非常有限的数据（与训练数据点相比）时，它显示出非常不现实的输出，超出了训练的范围。
为什么会这样？有人能在上面点上一些棚子吗？
还请提及，关于训练和最终测试数据点，是否有任何严格的（硬性和快速）规则？例如：在新的输入数据集中应该/必须引入多少百分比的训练数据。我想问题是我的网络高估或低估了输出，因为与训练阶段相比，它接收的数据百分比非常低。
您的问题是在训练期间数据集拟合过度。在神经网络的训练中，数据分割是一项非常重要的任务。一般来说，更科学地说，训练集的百分比应该在70-80%之间。测试和验证集应各占10-15%左右。例如：
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
你想象一个学生在课堂上。TrainRatio是学生应该学习的材料/讲座。ValRatio是应作为中期考试进行检查的材料的百分比，TestRatio是应作为期末考试进行检查材料的百分比。因此，如果你没有足够的材料进行培训，学生就不可能在中期末考试中取得成功。清楚了吗？神经网络适用于这样一个简单的学生进行学习/训练。因此，你的人际网络面临着过度拟合的问题。