关于BP神经网络归一化的问题，求大神解答~

南风哥哥sky

  求问BP神经网络的归一化是按行还是整个矩阵的归一化？
  比如input=[1 2 3 4 5;
' D) }6 H$ y! _  D. O                     2 3 4 5 6;
                     3 4 5 6 7];
         output=[4 5 6 7 8];
         input_test=[6;
# s2 U# s" A7 N+ I& v' r& J9 u                            7;
8 P3 {6 ^/ r* x1 k3 @                            8];
: `: X, l) k! Z1 M/ {/ D  输入输出分别归一化，可以直接[inputn,inputs]=mapminmax(input,0,1);
  H6 g. P+ v; ?& J) g' b, `$ r2 Y                                                   [outputn,ouputs]=mapminmax(output,0,1);  吗？
  这样就是按行归一化了吧~
  如果是整个矩阵归一化，也就是这样
. [/ O8 G  c4 z; d$ Z6 s- w  U# b                                        imax=max(max(input));
7 ~% c" Y# w, o4 Y. R: @4 ^                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
: o: G  V# f) Y' E                                        omax=max(max(output));
! H) M0 g' h: x+ ^$ e8 h                                        omin=min(min(output));
                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
  然后再训练，预测~
! ]0 P  g' r; Q! V7 X0 Z  那么问题来了，预测时的input_testn是如何归一化得到的？如果还是按input的方法归一化，也就是上面的inputn=(1-0)*(input-imin)/(imax-imin);得到的input_testn会有大于1的数吧~
  另外，得到预测结果resultn后，如何反归一化呢？如果resultn里面有大于1或者小于0的数又怎么办呢？
8 X/ C* B& g+ U; D8 p2 k
9 t6 `: C1 D( R6 G3 m% D

阳光照耀的日子

mapminmax是按照每一行进行归一化，即对所有样本的同一个特征进行归一化。神经网络的训练数据要比预测数据的范围大，即预测数据的特征最大最小值范围最好不要超过训练数据的特征，这样子你的问题就不会出现了。
7 y( Y! f3 P; Y/ b. F8 M( P( t. ^

阳光照耀的日子

mapminmax是按照每一行进行归一化，即对所有样本的同一个特征进行归一化。神经网络的训练数据要比预测数据的范围大，即预测数据的特征最大最小值范围最好不要超过训练数据的特征，这样子你的问题就不会出现了。