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;
: z2 N  R  s# R+ J& t: \                     2 3 4 5 6;
; O+ Y5 i! W/ V2 P+ F8 _                     3 4 5 6 7];
         output=[4 5 6 7 8];
         input_test=[6;
                            7;
- k1 n: @5 M2 _5 u                            8];
  输入输出分别归一化，可以直接[inputn,inputs]=mapminmax(input,0,1);
1 F+ a# O$ Y" h                                                   [outputn,ouputs]=mapminmax(output,0,1);  吗？
. a, ~$ _6 x4 \# F1 L5 y  这样就是按行归一化了吧~
6 a& @/ R0 B. r- x6 [* a! k  A  如果是整个矩阵归一化，也就是这样
: U9 E& d6 _& R9 U                                        imax=max(max(input));
                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
* j  n, y8 X: Q$ b                                        omax=max(max(output));
                                        omin=min(min(output));
                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
  然后再训练，预测~
9 m) W$ ?+ v9 m  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？

0 N) I: a) |  G5 l& @

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。
3 Z. v6 T9 x; P* R; m

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。
6 Y" y. C" i& {/ C$ ~$ `