C++ 对于tanh激活函数神经网络，规范化负/非数值数据的最佳方法是什么_C++_Machine Learning_Neural Network_Artificial Intelligence_Backpropagation

C++ 对于tanh激活函数神经网络，规范化负/非数值数据的最佳方法是什么

c++ machine-learning neural-network artificial-intelligence

C++ 对于tanh激活函数神经网络，规范化负/非数值数据的最佳方法是什么,c++,machine-learning,neural-network,artificial-intelligence,backpropagation,C++,Machine Learning,Neural Network,Artificial Intelligence,Backpropagation,我用的是前馈，梯度下降，反向传播神经网络其中，隐藏/输出神经元使用tanh激活函数，而输入神经元是线性的在您看来，在以下情况下，规范化数值数据的最佳方法是什么：已知最大数，例如最大正数为1000，最大负数为-1000 最大数量未知如果我对所有输入保持最大值不变，或者可以吗网络输入是否有不同的规范化方式谢谢如果已知max和min，最简单的标准化是： normalized = (val - min) / (max - min) 如果max未知，您可以根据现有数据进行规范化，因为tan

我用的是前馈，梯度下降，反向传播神经网络其中，隐藏/输出神经元使用tanh激活函数，而输入神经元是线性的

在您看来，在以下情况下，规范化数值数据的最佳方法是什么：

已知最大数，例如最大正数为1000，最大负数为-1000

最大数量未知

如果我对所有输入保持最大值不变，或者可以吗网络输入是否有不同的规范化方式

谢谢

如果已知

max

和

min

，最简单的标准化是：

normalized = (val - min) / (max - min)

如果

max

未知，您可以根据现有数据进行规范化，因为

tanh

对于超过1的值具有良好的特性

您应该根据输入值的范围对不同的输入进行规范化，并且可以对不同的输入使用不同的规范化过程