MATLAB.Exponenta
MATLAB и Simulink на русском
Технологии разработки и отладки
		сложных технических систем
 

Математика\Neural Network Toolbox Перейти на страницу содержания раздела

Список функций Neural NetworkToolbox: Функции предварительной и пост обработки

  В оглавление \ К следующему разделу \ К предыдущему разделу

PRESTD
Приведение данных к нулевому среднему
и единичному стандартному отклонению

Синтаксис:

[pn,meanp,stdp,tn,meant,stdt] = prestd(p,t)
[pn,meanp,stdp] = prestd(p)

Описание:

PRESTD преобразует обучающий набор данных посредством нормирования входов и эталонов таким образом, чтобы их среднее значение было равно нулю, а стандартное отклонение равно 1.

Входные параметры:

  • P - RxQ матрица входных векторов;
  • T - SxQ матрица эталонных векторов.

Выходные параметры:

  • PN - RxQ матрица нормированных входных векторов;
  • MEANP - Rx1 вектор средних значений для каждого P;
  • STDP - Rx1 вектор стандартных отклонений для каждого P;
  • TN - SxQ матрица нормированных эталонных векторов;
  • MEANT - Sx1 вектор средних значений для каждого T;
  • STDT - Sx1 вектор стандартных отклонений для каждого T.

Пример.

Нормируем данные таким образом, чтобы входы и эталоны характеризовались нулевым средним и единичным стандартным отклонением:

p = [-0.92 0.73 -0.47 0.74 0.29; -0.08 0.86 -0.67 -0.52 0.93];
t = [-0.08 3.4 -0.82 0.69 3.1];
[pn,meanp,stdp,tn,meant,stdt] = prestd(p,t);

Для нормировки только входов:

[pn,meanp,stdp] = prestd(p);

Алгоритм.

pn = (p-meanp)/stdp.

  В оглавление \ К следующему разделу \ К предыдущему разделу

 

Поиск по сайту:

Система Orphus

Яндекс.Метрика