Question

关于MATLAB中BP神经网络模型训练后的验证

我用MATLAB训练一个模型后，打算用数据验证这个模型，可是结果好像不能反归一化，能帮忙看看我的代码哪里出了问题吗？

[PN,minp,maxp] = premnmx([p3 p4]');
T = sim(net_1,PN);
TN= postmnmx(T, minT,maxT);%预测数据反归一化
b = [0:29];
plot(b, s, '*', b, TN, '--');
h=legend('实测数据','计算值');

p3 p4 是原始数据，net_1是我训练之后的模型

Answer 1

用法错了。

premnmx函数用于将网络的输入数据或输出数据进行归一化，归一化后的数据将分布在[-1,1]区间内。premnmx语句的语法格式是

[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T)

其中P，T分别为原始输入和输出数据，minp和maxp分别为P中的最小值和最大值。mint和maxt分别为T的最小值和最大值。

我们在训练网络时如果所用的是经过归一化的样本数据，那么以后使用网络时所用的新数据也应该和样本数据接受相同的预处理，这就要用到tramnmx。

[Pn]=tramnmx(P,minp,maxp)

追问

那预测数据反归一化那条代码呢？软件提示我是错的

追答

不是你这么用的，前一条就要用tramnmx函数。
我建议你用新版的mapminmax函数。

追问

可以教我一下我现在用的那个函数吗。。。我用你说的那个新版的训练模型时都不行。。。

追答

在最新版的matlab里面共有两个归一化函数：mapminmax()和mapstd(),其中第一个函数是归一化到[0 1]范围，后一个的原理是统计归一化。
各自的归一化格式如下：
[pn,ps]=mapminmax(P)或=mapstd(P) %P是输入向量
[tn, ts]=mapminmax(t)或＝mapstd(t) %t 是目标向量
在训练完后，对测试样本归一化格式为：
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

善用matlab的帮助，help命令很有用的。