Matlab 神经网络输出：缩放输出范围

我的神经网络的输出层（3层）使用sigmoid作为激活，仅在[0-1]范围内输出。然而，如果我想训练它的输出超过[0-1]，比如说以千为单位，我应该怎么做

例如，如果我想训练

输入-->输出

0------->0

01----->1000

1000 1-->1

1------->0

我的程序用于AND、OR、XOR等，因为输入输出都是二进制的

有一些建议可以使用

激活：

---

y=λ*（绝对值（x）1/（1+exp（-1（x）））

活化衍生物：

---

lambda*（abs（y）y（1-y））

---

对于所提到的培训模式，这并不一致（如果我没有做错任何事情的话）。请问有什么建议吗

将输出放大到您想要的值，或将训练数据规格化回[0,1]范围是显而易见的解决方案。我想不出任何先验的原因，缩放需要是线性的（尽管它显然想要单调递增），所以你可以在这里修改对数函数

---

你在处理什么样的问题，你有这么大的范围？

将输出放大到你想要的值，或者将训练数据标准化回到[0,1]的范围是显而易见的解决方案。我想不出任何先验的原因，缩放需要是线性的（尽管它显然想要单调递增），所以你可以在这里修改对数函数

---

您正在处理的是哪类问题具有如此大的范围？

对于分类问题，通常在输出层中使用sigmoid/logistic激活函数以获得范围[0,1]内的适当概率值；结合用于多类分类的N取1编码，每个节点输出将表示实例属于每个类值的概率

另一方面，如果您有一个回归问题，则无需对输出应用附加函数，您只需获取原始线性组合输出。网络将自动学习权重，以给出您拥有的任何输出值（即使是数千）

---

您还应该注意的是缩放输入特征（例如，通过将所有特征标准化为范围[-1,1]）。

对于分类问题，通常在输出层中使用sigmoid/logistic激活函数以获得范围[0,1]中的适当概率值；结合用于多类分类的N取1编码，每个节点输出将表示实例属于每个类值的概率

另一方面，如果您有一个回归问题，则无需对输出应用附加函数，您只需获取原始线性组合输出。网络将自动学习权重，以给出您拥有的任何输出值（即使是数千）

---

您还应该注意的是缩放输入特征（例如，通过将所有特征规格化为[-1,1]范围）。

1。我必须调整每个神经元的输出吗？还是仅仅是输出神经元？2.如果我规范化输入，我是否也必须规范化输出？如何规范输出？和输入一起？3.如何修补日志函数？4.我的数据是保密的，我需要训练问题中提到的模式，你有什么建议吗？你的输入是什么；我会让他们一个人呆着。你要做的是将输出神经元提供的输出范围与训练数据指定的值相匹配。你可以直接改变输出神经元的传递函数，或者在需要时放大它们，或者缩小训练数据指定的输出。在某种意义上，这些都是等价的。神经元被单独留下。我必须调整每个神经元的输出吗？还是仅仅是输出神经元？2.如果我规范化输入，我是否也必须规范化输出？如何规范输出？和输入一起？3.如何修补日志函数？4.我的数据是保密的，我需要训练问题中提到的模式，你有什么建议吗？你的输入是什么；我会让他们一个人呆着。你要做的是将输出神经元提供的输出范围与训练数据指定的值相匹配。你可以直接改变输出神经元的传递函数，或者在需要时放大它们，或者缩小训练数据指定的输出。在某种意义上，这些都是等价的。神经元被单独留下。嗨，谢谢！但是为了实现你对回归案例的建议，我需要如何更改代码，例如，我使用反向传播，其中我使用了sigmoid的导数来传播错误。（），我使用了这个算法，现在如果我在输出中不使用任何sigmoid，那么在这种情况下，delk会是什么？如果我只想训练所提到的模式，那么哪种类型的拓扑会更好？回归还是分类？我的意思是你会怎么做？不用输出层中的sigmoid激活函数，而是使用identity函数

f（x）=x

。此外，您正试图使用神经网络预测的目标属性决定了问题的类型：分类/标称值（分类，例如：将电子邮件分类为垃圾邮件/非垃圾邮件）与数值（回归，例如：预测股票价格