神经网络预测最大值大于样本最大值，如何反归一化？

Question

我用 (x-min)/(max-min) 对数据进行归一化处理，激活函数用的是1/（1+exp（x）），我想问下如果预测值大于最大值，激活函数那结果不能大于1?那怎么还原大于训练集最大值的预测数？

Answer 1

这种S激活函数主要应用于隐层神经元，隐层输出肯定是小于1的。输出层神经元一般使用线性函数，输出层输出可以大于1，反归一化的过程没有区别。

在最新版的matlab里面共有两个归一化函数：mapminmax()和mapstd(),其中第一个函数是归一化到[0 1]范围，后一个的原理是利用统计原理，但归一后的数据较规整，但有个问题是归一化后的数据范围不确定，可能远远大于1，导致S函数进入平坦区。
各自的归一化格式如下：
[pn,ps]=mapminmax(P)或=mapstd(P) %P是输入向量
[tn, ts]=mapminmax(t)或＝mapstd(t) %t 是目标向量
在训练完后，对测试样本归一化格式为：
pnt=mapminmax('apply',pt,ps)或＝mapstd('apply',pt,ps)
仿真后反归一化格式则为：
out=mapminmax('reverse',An,ts)或=mapstd('reverse',An,ts)；其中An为sim函数的输出。