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;
: {7 p( P5 T, C* t" z                     2 3 4 5 6;
) [, m& g2 k5 K                     3 4 5 6 7];
3 f' k( k2 E/ @         output=[4 5 6 7 8];
         input_test=[6;
                            7;
                            8];
1 ?0 H0 K/ @9 _7 m3 ?" h  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~
  如果是整个矩阵归一化，也就是这样
                                        imax=max(max(input));
                                        imin=min(min(input));
3 n. p5 ?5 ?5 U$ \2 e) L                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
" a6 p. c/ O) Z' @                                        omax=max(max(output));
                                        omin=min(min(output));
4 m" b5 G! r" Q! ^+ s4 ^; A5 h! R                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
* E* N7 e7 O3 y  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~
/ [4 ?* d' \5 r+ S8 m  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？

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。
5 v8 o/ T: f( [$ X+ V% p

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。
* Y: n( C/ r  P3 g& n# L