根据 Jeff Heaton 的《Introduction to Neural Networks with Java》，Kohonen 神经网络的输入必须是 -1 到 1 之间的值。
可以在事先已知范围的情况下对输入进行标准化:
例如 RGB (125, 125, 125)，其范围为 0 到 255 之间的值:
1. 除以 255:(125/255) = 0.5 >> (0.5,0.5,0.5)
2. 乘二减一:((0.5*2)-1)=0 >> (0,0,0)
问题是，当范围未知(例如我们的高度或体重)时，我们如何标准化输入。
此外，其他一些论文提到输入必须标准化为 0 和 1 之间的值。“-1 和 1”还是“0 和 1”哪个是正确的方法？
最佳答案
您始终可以使用压缩函数将无限间隔映射到有限间隔。例如。您可以使用tanh.
您可能希望将 tanh(x * l) 与手动选择的 l 一起使用，以免在同一区域中放置太多对象。因此，如果您很好地猜测数据的最大值是 +/- 500，您可能需要使用 tanh(x/1000) 作为映射，其中 x 是对象的值，甚至减去您的值可能也是有意义的猜测 x 的平均值，得出 tanh((x - 平均值)/max)。
关于machine-learning - Kohonen SOM map : Normalizing the input with unknown range，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2651579/