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;
                     2 3 4 5 6;
                     3 4 5 6 7];
         output=[4 5 6 7 8];
) n+ ?; U- F/ l- O5 M         input_test=[6;
, A: S: o) g& `+ k                            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~
  如果是整个矩阵归一化，也就是这样
                                        imax=max(max(input));
9 ]1 ^3 N8 R1 t& T+ I                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
                                        omax=max(max(output));
5 b5 H# s% U5 z4 H5 _5 T                                        omin=min(min(output));
: A9 ]* \4 l$ _, O9 Z  m' j# D                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
; m& `" l. z* H+ U  然后再训练，预测~
% x; ^5 W7 i  v, J- k  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？
1 \, r$ t" R9 P
; Q/ K) ^/ \1 Y$ S' 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。

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 p& @4 D0 f3 ]3 L- c% [