matlab 中归一化的几种方法及其各自的适用条件

关于神经网络（matlab）归一化方法的整理

　　matlab中的归一化处理有三种方法：
　　1. premnmx、postmnmx、tramnmx
　　2. restd、poststd、trastd
　　3. 自己编程
　　具体用那种方法就和你的具体问题有关了

　　归一化是为了加快训练网络的收敛性，可以不进行归一化处理
　　归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，归一化是同一在0-1之间的统计概率分布；
　　当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小，从而导致学习速度很慢。为了避免出现这种情况，加快网络学习速度，可以对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或与其均方差相比很小。
　　归一化是因为sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用[1 0 0]要好。
　　但是归一化处理并不总是合适的，根据输出值的分布情况，标准化等其它统计变换方法有时可能更好。

　　归一化方法主要有如下几种：

　　1、线性函数转换，表达式如下：
　　y=(x-MinValue)/(MaxValue-MinValue)
　　说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。

　　2、对数函数转换，表达式如下：
　　y=log10(x)
　　说明：以10为底的对数函数转换。

　　3、反余切函数转换，表达式如下：
　　y=atan(x)*2/PI

　　关于用premnmx语句进行归一化：
　　premnmx语句的语法格式是：[Pn,minp,maxp,T