神经网络输入归一化为什么要归一化

来源：蜘蛛抓取(WebSpider) 时间：2016-11-22 04:16 标签： bp神经网络数据归一化
BP神经网络的归一化的问题，求大神进！_人工智能吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：45,946贴子：
BP神经网络的归一化的问题，求大神进！收藏
在进行神经网络训练之前，先得到输入矩阵input和输出矩阵output，这两个矩阵要分别归一化。那么问题来了，BP神经网络要求的是按行归一化还是按列归一化，亦或是矩阵整体归一化？
我感觉应该是矩阵整体归一化，但是如果用mapminmax函数只能做到按行归一化吧！如果自己编程解决的话，也就是y = (ymax-ymin)*(x-xmin)/(xmax-xmin) + ymin，确实分别可以得到input和output的归一化矩阵，但是神经网络训练、预测后得到的result怎么反归一化呢？
大神快来啊！！！
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或(转)MATLAB神经网络:不要为了优化而优化，自带的选项足够你使用了 ... ... ... -- 记录工控 -- 工控网博客
暂无公告...
发表于： 22:14:41
标签(TAG)： 注：转自Matlab中文论坛管理员Math的日志
最近解答了不少神经网络的问题，虽然神经网络的相关journal的影响因子在逐年降低（国外做这方面研究的团队越来越少），但是在我们中国，神经网络还是有很多学生、研究人员在使用。在解答问题的过程中，我发现了一些现象：
有些会员为了优化而优化
很多会员没有明白自带的神经网络到底是如何工作的
多数会员没有选择正确的神经网络
说实话，在我过去几年使用神经网络网络的过程中，经常使用神经网络帮助实验室其他同事在如Lab on Chip之类的期刊上发表文章。MATLAB自带的神经网络已经足够使用了（如果你的目的是解决实际问题的话），比如说股票的时间序列预测，以及以下问题等：
MATLAB神经网络对水的质量的分类、评估、预测 （属于环境类分类、评估预测）
MATLAB神经网络对空气质量的分类、评估、预测 （属于环境类分类、评估预测）
MATLAB神经网络对土壤质量的分类、评估、预测 （属于环境类分类、评估预测）
MATLAB神经网络对学员的个人表现进行分类、评估、预测 （属于个人业绩鉴定）
MATLAB神经网络对医学、生物学上的细胞、疾病等分类、评估等（属于医学、生物学）
MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等（属于交通、物流管理）
概括来讲，就是使用神经网络对某些指标（如空气质量、水质量、个人业绩等）进行有限的分类、预测、评价等。
如果你的应用属于以上范畴等，MATLAB自带的时间序列工具箱，模式识别工具箱，SOM工具箱，SVM工具箱等，已经足够满足你的需求。每个网络的训练过程中，有多个参数可调。不要为了优化而优化，先学会预处理数据，解读网络训练过程以及结果（如Confusion Matrix)等。 明白神经网络训练过程中，除了训练和测试数据，验证数据是如何调整网络的。如何选择合适的数据预处理、后处理函数（数据归一化只是其中一种，还有很多其他方法）。明白除了平均方差以外，还可以使用其他的函数来判断网络训练的优劣等等。
说实话，很少看到这方面深入的讨论。我建议会员先从这些方面入手，应该可以解决你的实际问题。这是我刚刚完成的一个完整的例子，用来模式识别来做各种指标的分类、识别、预测等等，看看MATLAB自带的神经网络工具箱是如何帮助你完成任务的：
&&我的分类&&
&&最新日志&
&&最新评论&&
&&Blog统计&
&&友情链接&
&&给我留言BP神经网络输入层数据归一化研究_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
BP神经网络输入层数据归一化研究
上传于||文档简介
&&神​经​网​络​ ​数​据​归​一​化
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
你可能喜欢matlab图像处理为什么要归一化和如何归一化
图像处理为什么要归一化和如何归一化
一、为什么归一化
基本上归一化思想是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图
像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换
图像归一化使得图像可以抵抗几何变换的攻击，
它能够找出图像中的那些不变量，
得知这些图像原本就是一样的或者一个系列的。
因为我们这次的图片有好多都是一个系列的，所以老师把这个也作为我研究的一个方
我们主要要通过归一化减小医学图片由于光线不均匀造成的干扰。
里图像数据有时候必须是浮点型才能处理，而图像数据本身是
据所以需要归一化，转换到
归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，
成为纯量。
目的是为了：
避免具有不同物理意义和量纲的输入变量不能平等使用
函数作为转移函数，归一化能够防止净输入绝对值过大引起的神经
元输出饱和现象
保证输出数据中数值小的不被吞食
神经网络中归一化的原因
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。
之间是统计的概率
分布，归一化在
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
之间的统计概率分布；
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，
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
或与其均方差相比很小。
归一化是因为
函数的取值是
网络最后一个节点的输出也是
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
[0.9&0.1&0.1]
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。
二、如何归一化
中的归一化处理有三种方法
1.&premnmx
线性函数转换，表达式如下：
y=(x-MinValue)/(MaxValue-MinValue)&
分别为转换前、后的值，
分别为样本的最大值和最小值。
对数函数转换，表达式如下：
y=log10(x)&
为底的对数函数转换。
反余切函数转换，表达式如下：
y=atan(x)*2/PI&
一个归一化代码
I=double(I);&
maxvalue=max(max(I)');%max
在把矩阵每列的最大值找到，
并组成一个单行的数组，
下就会行转换为列，再
就求一个最大的值，如果不转置，只能求出每列的最大值。
f&=&1&-&I/&%
为什么要用
Image1=f;&
图像归一化到
min(min(im)))&
(max(max(im))&
min(min(im)))&*&255
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。

我要回帖

更多关于 bp神经网络数据归一化 的文章

 

随机推荐