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;
4 Y( M& s3 ?- V7 k: x                     2 3 4 5 6;
                     3 4 5 6 7];
% F! e% _4 y& @" _         output=[4 5 6 7 8];
' w; y5 d' ]0 v2 L) ?( c: W, F+ R) _, }         input_test=[6;
                            7;
                            8];
  输入输出分别归一化，可以直接[inputn,inputs]=mapminmax(input,0,1);
                                                   [outputn,ouputs]=mapminmax(output,0,1);  吗？
  这样就是按行归一化了吧~
, Y9 y+ X- @% O9 A  如果是整个矩阵归一化，也就是这样
6 A  u$ x( j$ S; f! {                                        imax=max(max(input));
                                        imin=min(min(input));
7 m7 Z* F' g, f7 `: a9 _* Z                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
                                        omax=max(max(output));
                                        omin=min(min(output));
                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
$ r, l% `, ^& k# L  然后再训练，预测~
  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~
% C6 Y* O7 h. Q: d2 ^  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？
' E" A6 }, n2 q. z1 b; H
- t1 t5 b0 X# s% F; j0 B

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。
; \2 {. ~" |8 K4 l9 w

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。