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;
0 D8 I5 G0 t0 H& L5 e                     2 3 4 5 6;
& g4 O  ^9 K- N  o: X- Z                     3 4 5 6 7];
' ]: b2 t8 ?6 E1 \0 i' C' ^         output=[4 5 6 7 8];
         input_test=[6;
" Z) k. V' ]' m8 d                            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？
1 d! D8 y/ ~" Q$ t  这样就是按行归一化了吧~
/ o3 F  A) ^% q: C; a) C4 W  如果是整个矩阵归一化，也就是这样
+ l  d% n3 q4 D8 s4 \& {# ]* l                                        imax=max(max(input));
                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
6 z: O8 F! p# D                                        omax=max(max(output));
                                        omin=min(min(output));
                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
; m# `. S& x$ Y; Y6 R/ b' l  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？

5 }# e! G: g. g0 w1 l

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。
4 |. W- w& P% \) L5 k! 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。