请问最后的那组数据如何实现归一化。

P=[200 250 300 330 200 200 220 300

200 200 150 180 200 200 200 200

4 4 4 4 2 1 0.7 0.7

0.3 0.3 0.3 0.3 0.2 0.2 0.15 0.15];

T=[245 260 220 250 220 215 205 230];

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

net=newff(minmax(P),[8,1],{'tansig','logsig'},'trainlm');

net=init(net);

net.trainparam.epochs=20000; %最大训练次数(前缺省为10,自trainrp后，缺省为100)

net.trainparam.lr=0.05; %学习率(缺省为0.01)

net.trainparam.show=25; %限时训练迭代过程(NaN表示不显示，缺省为25)

net.trainparam.goal=1e-8; %训练要求精度(缺省为0)

net.trainparam.max_fail=15 %最大失败次数(缺省为5)

%net.trainparam.min_grad 最小梯度要求(前缺省为1e-10，自trainrp后，缺省为1e-6)

%net.trainparam.time 最大训练时间(缺省为inf)

[net,tr]=train(net,Pn,Tn); %网络训练

V = net.iw{1,1}%输入层到中间层权值

theta1 = net.b{1}%中间层各神经元阈值

W = net.lw{2,1}%中间层到输出层权值

theta2 = net.b{2}%输出层各神经元阈值

A=[210

180

3

0.25];

result=sim(net,A)

就是前面的P和T实现了归一化，那么预测数据A呢？怎么实现归一化？

Answer 1

[xiyiyaj]

可以用tramnmx函数，给你写了个例子供参考：

%% 清空环境变量
close all; clear; clc;

%% 主程序
P=[200 250 300 330 200 200 220 300
   200 200 150 180 200 200 200 200
   4 4 4 4 2 1 0.7 0.7
   0.3 0.3 0.3 0.3 0.2 0.2 0.15 0.15];
T=[245 260 220 250 220 215 205 230];
[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T);
A=[210 
   180
   3 
   0.25];
p2= tramnmx(A,minp,maxp);

p2就是归一化之后的向量