关于神经网络(matlab)归一化的整理.pdf

关于神经网络 （matlab ）归一化的整理 关于神经网络归一化方法的整理 由于采集的各数据单位不一致，因而须对数据进行[-1，1]归一化处理，归一化方法主要有如 下几种，供大家参考：（byjames） 1、线性函数转换，表达式如下： y (x-MinValue)/(MaxValue-MinValue) 说明：x、y 分别为转换前、后的值，MaxValue、MinValue 分别为样本的最大值和最小值。 2、对数函数转换，表达式如下： y log10(x) 说明：以10 为底的对数函数转换。 3、反余切函数转换，表达式如下： y atan(x)*2/PI 归一化是为了加快训练网络的收敛性，可以不进行归一化处理 归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归 一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模 还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进 行训练 （概率计算）和预测的，归一化是同一在0-1之间的统计概率分布； 当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小， 从而导致学习速度很慢。为了避免出现这种情况，加快网络学习速度，可以对输入信号进行 归一化，使得所有样本的输入信号其均值接近于0 或与其均方差相比很小。 归一化是因为sigmoid 函数的取值是0 到1之间的，网络最后一个节点的输出也是如此，所 以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.90.10.1]就要比用[100] 要好。 但是归一化处理并不总是合适的，根据输出值的分布情况，标准化等其它统计变换方法有时 可能更好。 关于用premnmx 语句进行归一化： premnmx 语句的语法格式是：[Pn,minp,maxp,Tn,mint,maxt] premnmx(P,T) 其中P，T 分别为原始输入和输出数据，minp 和maxp 分别为P 中的最小值和最大值。mint 和maxt 分别为T 的最小值和最大值。 premnmx 函数用于将网络的输入数据或输出数据进行归一化，归一化后的数据将分布在[-1,1] 区间内。 我们在训练网络时如果所用的是经过归一化的样本数据，那么以后使用网络时所用的新数据 也应该和样本数据接受相同的预处理，这就要用到tramnmx。 下面介绍tramnmx 函数： [Pn] tramnmx(P,minp,maxp) 其中P 和Pn 分别为变换前、后的输入数据，maxp 和minp 分别为premnmx 函数找到的最大 值和最小值。 （by terry2008） matlab 中的归一化处理有三种方法 1.premnmx、postmnmx、tramnmx 2.restd、poststd、trastd 3. 自己编程 具体用那种方法就和你的具体问题有关了 （byhappy） pm max(abs(p(i,:)));p(i,:) p(i,:)/pm; 和 for i 1:27 p(i,:) (p(i,:)-min(p(i,:)))/(max(p(i,:))-min(p(i,:))); end 可以归一到0 1 之间 0.1+(x-min)/(max-min)*(0.9-0.1)其中max 和min 分别表示样本最大值和最小值。 这个可以归一到0.1-0.9 mapminmax 归一化 原文地址：有关mapminmax 的用法详解作者：faruto 有关mapminmax 的用法详解 外一篇有关mapminmax 的用法详解 by faruto 几个要说明的函数接口: [Y,PS] mapminmax(X) [Y,PS] mapminmax(X,FP) Y mapminmax(apply,X,PS) X mapminmax(reverse,Y,PS) 用实例来讲解,测试数据 x1 [124],x2 [52 3]; [y,ps] mapminmax(x1) y -1.0000 -0.3333 1.0000 ps name:mapminmax xrows: 1 xmax:4 xmin: 1 xrange:3 yrows: 1 ymax: 1 ymin:-1 yrange:2 其中y是对进行某种规范化后得到的数据,这种规范化的映射记录在结构体ps中.让