数据归一化处理-第2节
按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
32。小波神经网络对于时间序列预测在文献上报道得神乎其神，据称预测精度相对偏差平均达5％以下。鄙人尝试后认为，小波神经网络只是加快了收敛速度，而预测精度决定于问题本身，很多数据预测结果并不能达到以上效果。欢迎各位仁兄讨论改进方法。
33。有个问题：归一化的时候我认为应该考虑数据的物理含义
34。为什么我的简单的归一化程序总是错的？谢各位大虾指点
p=＇1520 510 5。155 33。88；1468 521 5。321 35。79；
。。。。。。。共5行＇'；
t=＇0。7 1。9；0。6 1。798；。。。。。共10行＇'；
for i=1：4
P（i；： ）=（p（i；： ）…min（p（i；： ）））/（max（p（i；： ））…min（p（i；： ）））；就是这行总说有错；到底是程序错还是软件不好？？
end
此程序出自；第269页；类似的归一化在我机子里都说不对；急死了；等毕业呢。
35。不要用这个归一化啊，换函数premnmx试试
36。为什么要归一化？
神经网络输入的一维代表一个特征，当神经网络的输入是多维时，要识别的模式有多个特征，当这多个特征的数据相差很大，如几个数量级时，就需要归一化，变成相同数量级，以防某些数值低的特征被淹没。
