[函数逼近]用BP网络进行函数逼近碰上难题
问题如下：我要用BP神经网络逼近函数 f(B,W)=BW-1140
其中，B、W按一定的分布取值。B服从均值为38，标准差为3.8的对数正态分布；W服从均值为54，标准差为2.7的正态分布。
如果对B、W分布感到迷惑的话，问题也可以是：构造的B、W的输入数据中，B的取值在区间（10 50）之间，W的取值 在（30 70）之间。
随机选取了100组在给定区间上的训练数据后，由于输入数据与输出数据都很大（尤其是输出数据特别大）。如果不对样本数据进行处理（归一化，标准化等等），网络无法成功训练。
但，问题是，如果进行归一化或标准化处理后，虽然能成功的进行训练，但是，训练后的网络所逼近的函数就已经不是f(B,W)=BW-1140了，那么应该如何进行反归一化、反标准化操作使得网络逼近的是f(B,W)=BW-1140？这里我一直提醒要逼近的是给定的函数，是因为我要在训练好网络中计算该函数的函数值与该函数对两个变量的偏导数值。
大家明白我说的问题的话，就帮忙思考、解决下吧！ 振动论坛的牛人们！
现身吧！
版主，显灵吧！！
页:
[1]