训练神经网络的输入二维矢量，如何用插值法验证？

Question

习题

根据所学过的BP网络设计及改进方案设计实现模糊控制规则为T = int((e+ec)/2)的模糊神经网络控制器，其中输入变量e和ec的变化范围分别是：e = int[-2, 2]，ec = int[-2, 2]。网络设计的目标误差为 0.001。

背景

这个题目，很明显输入矢量和目标矢量是

P = [-2 -2 -2 -2 -2 -1 -1 -1 -1 -1 0 0 0 0 0 1 1 1 1 1 2 2 2 2 2;
    -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 ];
T = [-2 -2 -1 -1 0 -2 -1 -1 0 0 -1 -1 0 0 1 -1 0 0 1 1 0 0 1 1 2];

疑问

题目最后，要求

验证，采用插值法选取多于训练时的输入，对所设计的网络进行验证，给出验证的A与T值。

这里怎么插值？、
外插值的话，神经网络只对内部有泛化能力，外部插值没有意义。
内部插值的话，e和ec只能是整数啊？这个能插值嘛？
题目的这个意思我搞不明白。求赐教！

附带作业的matlab代码

clc;
P = [-2 -2 -2 -2 -2 -1 -1 -1 -1 -1 0 0 0 0 0 1 1 1 1 1 2 2 2 2 2;
    -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 ];
T = [-2 -2 -1 -1 0 -2 -1 -1 0 0 -1 -1 0 0 1 -1 0 0 1 1 0 0 1 1 2];

[R,Q] = size(P);
[S2,Q] = size(T);
S1 =9;

%[W1] = rands(S1,R);
%[B1] = rands(S1,1);
%[W2] = rands(S2,S1);
%[B2] = rands(S2,1);

net = newff(minmax(P),[S1,1],{'tansig','purelin'},'trainlm');

%net.iw{1,1}=W1;net.b{1}=B1;
%net.lw{2,1}=W2;net.b{2}=B2;

%net=initnw(net,1);

net.iw{1,1}=W1;
net.b{1}=B1;
net.lw{2,1}=W2;
net.b{2}=B2;
net.trainParam.epochs = 20000;
net.trainParam.goal = 1e-003;
net.trainParam.min_grad = 1e-10;
net.trainParam.lr = 0.12;
%net.trainParam.lr_inc = 1.06;
%net.trainParam.lr_dec = 0.7;

net = train(net,P,T);

W1_=net.iw{1,1}
B1_=net.b{1}
W2_=net.lw{2,1}
B2_ = net.b{2}

A = sim(net,P)

Answer 1

https://blog.csdn.net/jiongnima/article/details/78578876