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？
. X& S$ I0 {9 X! s/ E3 @  比如input=[1 2 3 4 5;
                     2 3 4 5 6;
0 G. r3 u9 y' @2 x                     3 4 5 6 7];
         output=[4 5 6 7 8];
* n% w3 W7 _0 |$ \( O) v5 N         input_test=[6;
' e, S- c; F! s9 `                            7;
                            8];
  输入输出分别归一化，可以直接[inputn,inputs]=mapminmax(input,0,1);
( ~; t/ T, ]7 l( y9 ]; E                                                   [outputn,ouputs]=mapminmax(output,0,1);  吗？
3 j! ^5 B+ T% q0 c/ X8 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
- y/ M/ a# N1 S                                        imax=max(max(input));
5 U  o& O' x% K                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
0 h3 j& y4 W$ b2 ?                                        omax=max(max(output));
. M+ e" H" P! x1 _5 {, N5 g7 H                                        omin=min(min(output));
" r% s! X: y! {$ s2 t2 O8 m  }                                        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？
- m8 R& R: H( J# j

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。
% z3 a6 q0 I7 p+ g; I

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。