BP神经网络的Matlab语法介绍.doc
版权申诉
159 浏览量
2024-04-25
22:38:14
上传
评论
收藏 54KB DOC 举报
1. 数据预处理
在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是
归一化处理。下面简要介绍归一化处理的原理与方法。
(1) 什么是归一化？
数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如
(0.1,0.9) 。
(2) 为什么要归一化处理？
<1>输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经
网络收敛慢、训练时间长。
<2>数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入
作用就可能会偏小。
<3>由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练
的目标数据映射到激活函数的值域。例如神经网络的输出层若采用 S 形激活函
数，由于 S 形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在
(0,1)，所以训练数据的输出就要归一化到[0,1]区间。
<4>S 形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如 S 形函数
f(X)在参数 a=1 时，f(100)与 f(5)只相差 0.0067。
(3) 归一化算法
一种简单而快速的归一化算法是线性转换算法。线性转换算法常见有两种形
式：
<1>
y = ( x - min )/( max - min )
其中 min 为 x 的最小值，max 为 x 的最大值，输入向量为 x，归一化后的
输出向量为 y 。上式将数据归一化到 [ 0 , 1 ]区间，当激活函数采用 S 形函数
时（值域为(0,1)）时这条式子适用。
<2>
y = 2 * ( x - min ) / ( max - min ) - 1
这条公式将数据归一化到 [ -1 , 1 ] 区间。当激活函数采用双极 S 形函数
（值域为(-1,1)）时这条式子适用。
(4) Matlab 数据归一化处理函数
Matlab 中归一化处理数据可以采用 premnmx ， postmnmx ，
tramnmx 这 3 个函数。
<1> premnmx
语法：[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t)
参数：
pn： p 矩阵按行归一化后的矩阵
minp，maxp：p 矩阵每一行的最小值，最大值
资源评论
