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;
& \! I6 K4 X2 y6 t: n# q& E" g" p1 X$ i                     2 3 4 5 6;
9 x6 _+ s4 m) u: S2 `0 L; Z% L6 t                     3 4 5 6 7];
         output=[4 5 6 7 8];
) v$ E  l0 U/ J4 N0 Y/ g( A6 Y         input_test=[6;
8 o/ R+ _& ^# Q: h8 s' L  h4 k                            7;
                            8];
7 L4 k/ [# E$ i  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？
3 R- p' b; i0 l. p. \) H: j* T. ?2 H  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
% k+ P! e) {+ l2 x! \) I# c                                        imax=max(max(input));
1 g, D% n7 |/ l- u                                        imin=min(min(input));
5 r: C0 j' q) G% l- f7 r                                        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
  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~
5 ~& V) b: T1 p- _, ^; ]2 }4 O# x& E  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？

6 s6 @9 E1 s0 `+ m# \* L0 F

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。

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。
9 B- y. P- m( R$ V" L