mapminmax

在训练之前，需要缩放输入和目标，使它们始终落在指定的范围内，这样做通常很有用。函数 mapminmax 可缩放输入和目标，使它们落在 [–1,1] 范围内。以下代码说明如何使用此函数。

[pn,ps] = mapminmax(p);
[tn,ts] = mapminmax(t);
net = train(net,pn,tn);

矩阵 p 和 t 中给出了原始网络输入和目标。返回的归一化输入和目标 pn 和 tn 都将落在 [–1,1] 区间内。结构体 ps 和 ts 包含设置，在本例中是原始输入和目标的最小值和最大值。训练完网络后，应使用 ps 设置来变换未来应用于网络的任何输入。它们实际上成为了网络的一部分，就像网络的权重和偏置一样。

如果使用 mapminmax 缩放目标，则网络的输出将被训练为生成 [–1,1] 范围内的输出。要将这些输出转换回用于原始目标的相同单位，请使用设置 ts。以下代码仿真在上述代码中训练的网络，然后将网络输出转换回原始单位。

an = sim(net,pn);
a = mapminmax('reverse',an,ts);

网络输出 an 对应于归一化目标 tn。未归一化的网络输出 a 与原始目标 t 采用相同的单位。

如果使用 mapminmax 预处理训练集数据，则每当将经过训练的网络与新输入结合使用时，都应使用存储在设置 ps 中的为训练集计算的最小值和最大值对它们进行预处理。以下代码将一组新输入应用于已经过训练的网络。

pnewn = mapminmax('apply',pnew,ps);
anewn = sim(net,pnewn);
anew = mapminmax('reverse',anewn,ts);

对于大多数网络，包括 feedforwardnet，这些步骤是自动执行的，因此您只需使用 sim 命令。