按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
不知道对不对？
25。那样本数据测试数据预测数据期望数据要一起进行归一化吗？
26。我所知道的关于归一化：
归一化化定义：我是这样认为的，归一化化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。
在matlab里面，用于归一化的方法共有三中，（1）premnmx、postmnmx、tramnmx（2）prestd、poststd、trastd（3）是用matlab语言自己编程。premnmx指的是归一到＇－1 1＇；prestd归一到单位方差和零均值。（3）关于自己编程一般是归一到＇0。1 0。9＇ 。具体用法见下面实例。
为什么要用归一化？
为什么要用归一化呢？首先先说一个概念，叫做奇异样本数据，所谓奇异样本数据数据指的是相对于
其他输入样本特别大或特别小的样本矢量。
下面举例：
m=＇0。11 0。15 0。32 0。45 30；
0。13 0。24 0。27 0。25 45＇；
其中的第五列数据相对于其他4列数据就可以成为奇异样本数据（下面所说的网络均值bp）。奇异样本数据存在所引起的网络训练时间增加，并可能引起网络无法收敛，所以对于训练样本存在奇异样本数据的数据集在训练之前，最好先进形归一化，若不存在奇异样本数据，则不需要事先归一化。
具体举例：
程序说明：所用样本数据（见m_data）包括输入和输出数据，都先进行归一化，还有一个问题就是你要进行预测的样本数据（见本例p2）在进行仿真前，必须要用tramnmx函数进行事先归一化处理，然后才能用于预测，最后的仿真结果要用postmnmx进行反归一，这时的输出数据才是您所需要的预测结果。
个人认为：tansig、purelin、logsig是网络结构的传递函数，本身和归一化没什么直接关系，归一化只是一种数据预处理方法。
你好；我用了你的归一化方法；但当p2数据取比这些数大很多的值时，好像就不行了，出现了这样的问题，是不是数值超出了最大值的原因？我用的是GRNN网络
Warning： Divide by zero。
》 In normprod at 73
In calca at 119
In network。sim at 204
In xgi at 60
a2=postmnmx（a2n；mint；maxt）
a2 =
Columns 1 through 9
1602 1602 NaN NaN NaN NaN NaN NaN NaN
Column 10
NaN
29。而且预测值受样本期望输出的最大值限制，
30。这个问题我提出来很多天了，为什么没有人表示意见呢，是这个问题本身就是神经网络的BUG，还是，我走的路偏了，对神经网络本质误解所致，大家多多指教阿，我在这等很久了呀！
非常不好意思，请教一问题：
31。利用归一化后的数据建了BP网络，但最后预测值在反归一化前却超出了＇…1；＋1＇，不知问题出在哪？
32。小波神经网络对于时间序列预测在文献上报道得神乎其神，据称预测精度相对偏差平均达5％以下。鄙人尝试后认为，小波神经网络只是加快了收敛速度，而预测精度决定于问题本身，很多数据预测结果并不能达到以上效果。欢迎各位仁兄讨论改进方法。
33。有个问题：归一化的时候我认为应该考虑数据的物理含义
34。为什么我的简单的归一化程序总是错的？谢各位大虾指点
p=＇1520 510 5。155 33。88；1468 521 5。321 35。79；
。。。。。。。共5行＇'；
t=＇0。7 1。9；0。6 1。798；。。。。。共10行＇'；
for i=1：4
P（i；： ）=（p（i；： ）…min（p（i；： ）））/（max（p（i；： ））…min（p（i；： ）））；就是这行总说有错；到底是程序错还是软件不好？？
end
此程序出自；第269页；类似的归一化在我机子里都说不对；急死了；等毕业呢。
35。不要用这个归一化啊，换函数premnmx试试
36。为什么要归一化？
神经网络输入的一维代表一个特征，当神经网络的输入是多维时，要识别的模式有多个特征，当这多个特征的数据相差很大，如几个数量级时，就需要归一化，变成相同数量级，以防某些数值低的特征被淹没。