BP神经网络的Matlab语法.docxVIP

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。 4S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