神经网络输入归一化的均值/标准差:如何实现？
神经网络输入归一化的均值/标准差:如何实现？
提问于 2014-08-18 20:22:58
关于如何用高斯归一化来规范回归神经网络的输入/输出，我对此有很大的了解。均值-标准差归一化技术
最重要的是，我从哪些数据中恢复正常？
让我解释一下：
假设我有两个输入神经元，两个隐藏神经元，一个输出神经元的训练数据：
[input1 : 10][input2: 5]
[input1: 30][input2: 255]我是按列(神经元)进行规范化，还是根据所有输入数据进行规范化？是输入神经元的平均值1=
(10+30)/2 或
(10+30+5+255)/4 ? 使用典型的XOR示例(只有1s和0在traning数据中)来尝试这两种奇怪的结果，其中我在规范化时实际上失去了很高的准确性。
回答 1
Stack Overflow用户
回答已采纳
发布于 2014-08-19 12:13:32
规范化是将输入数据的每个维度保持在一定的范围内，因此通常应该在列中进行。正常化有几种方法。例如，线性归一化:它是最常见的一种最简单的方法，通常在数据中心时使用。它由(V-Vmin)/(Vmax-V)计数。用(V-Vavg)/Std计算高斯归一化.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/25371444
复制相关文章
相似问题
腾讯云开发者
