Matlab神经网络十讲(8): 归一化、权重读取、(非)线性网络设计_matlab bp神经网络的sim函数有归一化吗

1.关于归一化问题

大家都知道train里面对数据先进行了归一化再来计算的。训练好神经网络后，用sim函数可以得到准确的值，但是为什么我们自己写算法来计算就得不到计算结果呢？因为归一化。    

clear all
[x,t] = simplefit_dataset;
net = feedforwardnet(10)
net = train(net,x,t);
%view(net)
%y = net(x)
%perf = perform(net,y,t)
test_num = 5;
xT = x(:,test_num); %xT为验证数据
yt = t(test_num)
yo = sim(net,xT)

单独设计归一化、反归一化代码：

[x1 psx] = mapminmax(x); %注意 这里的x,t 是训练数据
[t1 pst] = mapminmax(t);
xT1 = mapminmax('apply',xT,psx);
hi = net.IW{1} * xT1;
hi = hi + net.b{1};
ho = tansig(hi);
yi = net.LW{2,1} * ho;
yi = yi + net.b{2};
yo2 = yi
yo2_1 = mapminmax('reverse',yo2,pst) %输出结果与yt yo 一致！

mapminmax按行逐行地对数据进行标准化处理，将每一行数据分别标准化到区间[ymin, ymax]内，其计算公式是：y = (ymax-ymin)*(x-xmin)/(xmax-xmin) + ymin。如果某行的数据全部相同，此时xmax=xmin，除数为0，则Matlab内部将此变换变为y = ymin。

2.关于读取网络中的权重和偏置

net.IW{1,1}(2,1) : net.IW{1,1}是指输入层和第一隐含层之间的网络权重，（2,1）读取该层间的每条路径的权重。

net.LW{2,1}(2,1) : net.LW{2,1}是指第二隐含层与第一隐含层之间的网络权重，（2,1）读取该层间的每条路径的权重。

net.b(n) : 读取第n个隐含层的偏置。

3.关于线性网络和非线性网络

神经网络的线性非线性主要是由传输函数组成。

MATLAB的神经网络工具箱中包括两个非线性函数logsig和tansig，以及一个线性函数purelin。