文档介绍：实用标准文案
: .
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
(,) 。
(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)。
(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。
⑷Matlab 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
tn : t矩阵按行归一化后的矩阵
mint , maxt: t矩阵每一行的最小值，最大值 作用：将矩阵p，t归一化到［-1,1］，主要用于归一化处理训练数据集。
<2> tramnmx
语法：［pn］ = tramnmx(p,minp,maxp)
参数：
minp，maxp premnmx函数计算的矩阵的最小，最大值
pn：归一化后的矩阵 作用：主要用于归一化处理待分类的输入数据。
<3> post mnmx
语法：［p,t］ = post mnm x(p n, mi np,maxp,t n,mi nt,maxt)
参数：
minp，maxp premnmx函数计算的 p矩阵每行的最小值，最大值 mint，maxt： premnmx函数计算的t矩阵每行的最小值，最大值 作用：将矩阵pn，tn映射回归一化处理前的范围。postmnmx函数主要用于将神 经网络的输出结果映射回归一化前的数据范围。
2. 使用Matlab实现神经网络
使用Matlab建立前馈神经网络主要会使用到下面 3个函数： newff :前馈网络创建函数
train :训练一个神经网络 sim :使用网络进行仿真
下面简要介绍这3个函数的用法。
(1) newff 函数 <1>newff函数语法
newff函数参数列表有很多的可选参数， 具体可以参考Matlab的
帮助文档，这里介绍newff函数的一种简单的形式。
语法：n et = newff ( A, B, {C} , ‘ train Fun ')
参数：
A: —个nX 2的矩阵，第i行元素为输入信号xi的最小值和最大值； B: —个k维行向量，其元素为网络中各层节点数；
C: 一个k维字符串行向量，每一分量为对应层神经元的 激活函数； trainFun :为学****规则采用的训练算法。
BP网络的常用函数表
函数类型
函数名称
函数用途
前向网络创建函数
n ewcf
创建级联前向网络
Newff
创建前向BP网络
logsig
S型的对数函数
传递函数
tan sig
S型的正切函数
purelin
纯线性函数
学****函数
lear ngd
基于梯度下降法的学****函数
lear ngdm
梯度下降动量学****函数