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];
# Q9 o; F3 u9 h) n( |         output=[4 5 6 7 8];
8 l9 L9 V1 ]3 D         input_test=[6;
, f. S/ u5 l: w4 ?$ M  a4 a                            7;
                            8];
, d  n. M4 T6 z6 e1 Y* x  输入输出分别归一化，可以直接[inputn,inputs]=mapminmax(input,0,1);
0 {! e- f# X/ \1 f. I9 h1 M                                                   [outputn,ouputs]=mapminmax(output,0,1);  吗？
# S# \! ~! g7 Z7 b  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 a0 o* G5 v: N" s9 w# B                                        imin=min(min(input));
) X& D# a( N& f$ c4 e1 {0 ~                                        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~
  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？
% }! u7 r& O2 U

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。
+ e4 I# `. `1 y" O' f6 ]. 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。
7 x: P. R* K: j) M, @7 b) v3 q: \! X