MATLAB中神经网络建模中的归一化和非归一化答案

【问题标题】：normalization and non-normalization in Neural Network modeling in MATLABMATLAB中神经网络建模中的归一化和非归一化
【发布时间】：2014-02-03 18:08:34
【问题描述】：

我有一个包含 5 个输入和一个输出的数据集。我想在 MATLAB 中使用神经网络建模来训练这个数据集。当我输入没有标准化的数据时，MSE 在1e+3 附近非常大。但是，当我规范化输入数据时，输出错误变为1e-4 左右。所以，据我所知，标准化是一项重要的任务。

我的两个问题：

1- 我在训练过程之前的真实目标（输出）在[0 1000] 或[50 800] 的范围内，但在归一化之后，由于归一化，神经网络给了我一个在[0 1] 范围内的值。我的意思是，我无法在我的真实范围[0 1000] 或[50 800] 中获得任何值。如何将神经网络的输出转换为[0 1000] 或[50 800] 范围内的正确目标？这样做合乎逻辑吗？当我的真实（目标）输出应该是[0 1000] 或[50 800] 时，我可以用[0 1] 范围内的值做什么？

2- 我想用一种新的输入模式测试经过训练的 NN。当我在训练阶段对输入数据进行归一化时，应该对这个新的输入模式进行归一化。是的？如何？我的意思是，我在训练阶段的输入数据大约是 1000 个数据，我用(x-min)/(max-min) 对它们进行了归一化。我应该在这个min 和max 范围内标准化我的一个新输入模式吗？

【问题讨论】：

标签： matlab neural-network normalization

【解决方案1】：

好吧，假设归一化是线性的（可能是），您可以将输出乘以 1000 并四舍五入。

您还可以使用不同的传输函数。 Sigmoid 有许多理想的属性，但它不能产生任何大于 1 的东西（如果你的输出达到 1000，这是必要的）。我认为通常最后一层具有线性传递函数 - 但由于您的输出如此之大，在这种特殊情况下可能还不够。

【讨论】：

几乎所有激活函数都在[0 1] 或[-1 1] 范围内工作。我的意思是，数据应该在这些范围内标准化。如果我的真正目标在[50 800] 之间，我怎样才能将 NN 输出更改为这个范围？我想，我应该在这两个不同的范围之间做一个映射，来自 NN 的[0 1] 和真正的范围[50 800]。我说的对吗？
是的，我相信你是。