22问答网
所有问题
神经网络是不是都要归一化!
如题所述
举报该问题
推荐答案 2018-10-21
归一化,就是为了限定你的输入向量的最大值跟最小值不超过你的隐层跟输出层函数的限定范围。比如,你的隐层的传递函数为logsig,那么你的输出就在0~1范围内,如果你的传递函数为tansig,你的隐层的输出在-1~·范围内,用归一化,这也是为了你的隐层传递函数的输出着想。标准化,只是对数据进行了统一的标准,其大小可能已经超出了隐层传递函数的界定范围,在后续的运行时,容易出错。
温馨提示:答案为网友推荐,仅供参考
当前网址:
http://22.wendadaohang.com/zd/fhCX666XSfh0fX60hfS.html
相似回答
神经网络
学习样本
是不是要
归1化?
答:
建议先不做归一化
,训练之后先查看模型的效果。如果效果未达到预期,则重新加入归一化。
BP
神经网络
做预测时,一定
要归一化
吗,怎样反归一化得到最后的结果_百 ...
答:
当数据差距很大的时候,必须要归一化
!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
大家正在搜
神经网络为什么要归一化
神经网络输出需要归一化吗
神经网络归一化
神经网络输入归一化
神经网络输出归一化
bp神经网络反归一化
归一化与反归一化
神经网络标准化
神经网络为什么要很多数据
相关问题
神经网络输入参数为什么要归一化
BP神经网络做预测时,一定要归一化吗,怎样反归一化得到最后的...
神经网络训练样本输入前是不是一定要做归一化处理,我的样本数据...
在使用BP神经网络时 数据进行标准化或归一化有什么区别吗
bp神经网络输入输出参数需要归一化吗?
神经网络归一化问题
神经网络训练好之后,在预测时还需要进行归一化吗
sigmoid函数的BP神经网络,训练样本是不是要归一化?