ニューラルネットの標準化について

ニューラルネットの学習前に，データ[X,Y] を標準化
　(x-ave(x)) / std(x)
　ave(x)：xの平均
　std(x)：xの標準偏差
というようにすべてのデータについて，[0,1]に標準化しています．
学習後(BP法)，ニューラルネットから得られた回帰式は，標準化したので，
パラメータが[0,1]の範囲になってしまっています．
この学習後得られたパラメータの標準化を解除して，標準化しないで学習して得られたパラメータのようにしたいのですが，
学習後のパラメータの標準化はどういうふうに解除すればいいのでしょうか？

No.1 回答者： goma_2000 回答日時： 2008/06/27 21:35

階層型のNeural Networkで入力層への入力を標準化したということでよろしいでしょうか。

中間層（出力層でも）への入力は、結合荷重wとバイアスを用いて
　s=wx'+bias
とかけます。ここでx'は標準化された変数で
　x'=(x-μ)/σ μは平均、σは標準偏差
です。これより、元のxを用いると
　s=w*(x-μ)/σ+bias
　　=w/σ*x-w/σ+bias
　　=w'x+bias'
となるので、
結合荷重を1/σ倍し
中間層のbias項を-w/σする
とすれば同じになります。
複数の入力Nodeがある場合でも同様です。

中間層から出力層は中間層まででその効果を吸収で来ているので
同じになります。

この回答への補足

以下のようで正しいのか確認をお願いします．

各変数を次のように定める．
　入力層のバイアス：x_bias
　中間層のバイアス：z_bias
　wj0：入力－中間層のバイアス重み
　wjk：入力－中間層の重み(k>=1)
　wij：中間－出力層の重み
　教師信号：y　ー＞　y'=(y-μ_y)/σ_y
　バイアスを除いた全入力：x　ー＞　x'=(x-μ_x)/σ_x

以上のように定めて，3層パーセプトロンで学習する．
学習した結果，wjk*，wij*　が得られた．
標準化を解くために次の操作をする．
　wj0*　＝　(wj0*)　-　(wjk*)/σ_x　（入力－中間間，バイアス）
　wjk*　＝　(wjk*)　/　σ_x　　　　（入力－中間間，バイアス除く）
　wij*　＝　wij*　　　　　　　（中間－出力間，変化なし）

あと気になることがあるのでもうひとつ質問させてください．
入力層にバイアスがない3層パーセプトロンではどうすればいいのでしょうか？（wj0がない）

補足日時：2008/06/28 11:43