我有一个包含5个输入和1个输出的数据集 . 我想用MATLAB中的神经网络建模训练这个数据集 . 当我在没有标准化的情况下输入数据时，MSE在 1e+3 附近非常大 . 但是，当我对输入数据进行标准化时，输出错误变为 1e-4 左右 . 因此，据我所知，规范化是一项重要任务 .
我的2个问题：
1-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，神经网络给出了一个范围为 [0 1] 的值 . 我的意思是，我的实际范围 [0 1000] 或 [50 800] 无法获得任何 Value . 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？这样做是否合乎逻辑？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-我想用一个新的输入模式测试训练好的NN . 当我在训练阶段对输入数据进行标准化时，应该对这个新的输入模式进行标准化 . 是？怎么样？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) 对它们进行了标准化 . 我应该在 min 和 max 范围内规范化我的一个新输入模式吗？
1 回答
好吧，假设归一化是线性的（可能是），你可以取输出，乘以1000并将其舍入 .
您还可以使用不同的传输功能 . Sigmoid有许多理想的属性，但它不能产生大于1的任何东西（如果你的输出高达1000，这是必要的） . 我认为最后一层通常具有线性传递函数 - 但由于你的输出很大，在这种特殊情况下可能还不够 .