Cómo determinar los límites de un valor mediante la normalización
Hay tres métodos de normalización en matlab:
premnmx, postmnmx, tramnmx
2.restd, poststd, trastd
Planifique usted mismo
El método específico está relacionado con su problema específico.
La normalización sirve para acelerar la convergencia de la red de entrenamiento y se puede omitir la normalización.
La función específica de la normalización es resumir la distribución estadística de una muestra unificada. La normalización entre 0-1 es una distribución de probabilidad estadística y la normalización entre -1-1 es una distribución de coordenadas estadística. La normalización es reconocimiento, unidad y solidaridad. Ya sea modelado o cálculo, las unidades de medida básicas primero deben ser las mismas. Las redes neuronales se entrenan (calculan) y predicen a través de las probabilidades estadísticas de muestras en eventos, normalizadas a la misma distribución de probabilidad estadística entre 0-1.
Cuando las señales de entrada de todas las muestras son positivas, los pesos conectados a las neuronas de la primera capa oculta solo pueden aumentar o disminuir al mismo tiempo, lo que resulta en una velocidad de aprendizaje más lenta. Para evitar esta situación y acelerar el aprendizaje de la red, podemos normalizar la señal de entrada para que el valor promedio de la señal de entrada para todas las muestras sea cercano a cero o muy pequeño en comparación con su error cuadrático medio.
La normalización se debe a que el valor de la función sigmoidea está entre 0 y 1, y la salida del último nodo de la red también es la misma, por lo que la salida de la muestra a menudo necesita normalizarse. Por tanto, es mejor utilizar [0,9 0,1 0,1] que [1 000] para clasificar el problema.
Sin embargo, la normalización no siempre es apropiada y otros métodos de transformación estadística, como la normalización, a veces pueden ser mejores dependiendo de la distribución de los valores de salida.
Los métodos de normalización incluyen principalmente los siguientes:
1. Transformación de función lineal, la expresión es la siguiente:
y = (valor mínimo de x)/ ( Valor máximo - valor mínimo)
Nota: x e y son los valores antes y después de la conversión, MaxValue y MinValue son los valores máximo y mínimo de la muestra respectivamente.
2. Transformación de función logarítmica, la expresión es la siguiente:
y=log10(x)
Explicación: Transformación de función logarítmica basada en 10.
3. Transformación de función cotangente inversa, la expresión es la siguiente:
y=atan(x)*2/PI
Utilice la declaración premnmx para normalizar:
El formato de sintaxis de la declaración premamx es: [pn, minp, maxp, TN, mint, maxt] = premamx (p, t).
Donde p y t son los datos de entrada y salida originales respectivamente, minp y maxp son los valores mínimo y máximo de p respectivamente. Mint y maxt son los valores mínimo y máximo de t respectivamente.
La función Premnmx se utiliza para normalizar los datos de entrada o datos de salida de la red. Los datos normalizados se distribuirán en el intervalo de [-1, 1].
Si utilizamos datos de muestra normalizados al entrenar la red, los nuevos datos utilizados en la red futura también se someterán al mismo preprocesamiento que los datos de muestra, lo que requiere tramnmx.
La función tramnmx se presenta a continuación:
[Pn]=tramnmx(P, minp, maxp)
donde p y Pn son los datos de entrada antes y después de la conversión, maxp y minp son los valores máximo y mínimo encontrados por la función premnmx respectivamente.