Networking 在由Matlab中的genFunction生成的神经网络中，x1_step1_xoffset、x1_step1_增益和x1_step1_ymin是什么？

我正在使用Matlab的神经网络工具箱，我已经用genFunction生成了一个神经网络函数

我想知道mapminmax\u apply function的作用是什么，这些变量用于什么以及它们在神经网络中的意义：

% Input 1
x1_step1_xoffset = [0.151979470539401;-89.4008362047824;0.387909026651698;0.201508462422352];
x1_step1_gain = [2.67439342164766;0.0112020512930696;3.56055585104964;4.09080417195814];
x1_step1_ymin = -1;

这里是mapminmax_应用函数：

% Map Minimum and Maximum Input Processing Function
function y = mapminmax_apply(x,settings_gain,settings_xoffset,settings_ymin)
    y = bsxfun(@minus,x,settings_xoffset);
    y = bsxfun(@times,y,settings_gain);
    y = bsxfun(@plus,y,settings_ymin);
end

这里是对具有上述变量的函数的调用：

% Input 1
Xp1 = mapminmax_apply(X{1,ts},x1_step1_gain,x1_step1_xoffset,x1_step1_ymin);

我认为：

mapminmax函数还可以返回它使用的设置（除其他外，偏移、增益和ymin）。由于NN函数输出的代码中的某些原因，这些设置在文件开头的Input1下以x1_step1_xoffset等形式给出

mapminmax（'apply'，X，PS）将PS中的设置应用于mapminmax算法

因此，我认为这里生成的代码比您需要的步骤要多。您可以去掉Input1步骤，只需使用一个简单的xp1=mapminmax（x1'），而不是mapminmax\u apply

---

Cheers

Matlab NN工具箱自动规范化数据集的特征

函数mapminmax\u apply和mapminmax\u reverse与特征规格化相关

函数mapminmax\u apply精确地将输入范围转换/规格化为-1到1

由于输出也将显示为标准化向量/值（介于-1到1之间），因此需要使用函数mapminmax\u reverse对其进行反向标准化

---

干杯

能否提供指向

mapminmax\u apply

功能文档的链接？我只能找到一个选项

“应用”

。感谢您的快速回复。我不能提供文档的链接，因为这个函数是由genFunction生成的，所以我只有函数本身。但是，看到您提供的关于mapminmax的文档，我想它也会这样做，非常感谢。现在我的问题是3个输入变量的含义以及它们是如何计算的。我不确定我能在这里给出答案。使用自制函数代替Matlab函数的原因是什么？它来自哪里？也许你最好询问那些实现了你正在使用的

mapminmax

版本的人。如果看不到这个函数，很难帮助你。我想要一个只依赖权重和偏差的神经网络，如何去掉这些额外的参数？