另一种扩大网络输入和目标的方法是将训练集的均值和标准差归一化。这个函数mapstd将输入和目标归一化，使其具有零均值和统一标准偏差。下面的代码演示了mapstd．

(pn, ps) = mapstd (p);(tn, ts) = mapstd (t);

原始的网络输入和目标在矩阵中给出p和t．标准化的输入和目标pn和tn返回的数据将具有零均值和统一标准差。设置结构ps和ts包含原始输入和原始目标的均值和标准差。在培训了网络之后，您应该使用这些设置来转换将来应用到网络上的任何输入。他们有效地成为网络的一部分，就像网络的权重和偏见一样。

如果mapstd然后对网络的输出进行训练，生成均值为零、标准差为统一的输出。要将这些输出转换回用于原始目标的相同单元，请使用ts．下面的代码模拟在前面的代码中训练的网络，然后将网络输出转换回原来的单元。

一个= sim(网络,pn);一个= mapstd(“反向”、一个ts);

网络的输出一个对应于归一化目标tn．未标准化的网络输出一个和原来的目标在同一个单位吗t．

如果mapstd是用来对训练集数据进行预处理的，那么无论何时训练的网络使用新的输入，你应该用为训练集计算的平均值和标准偏差对它们进行预处理ps．下列命令将一组新的输入应用于已训练的网络:

pnewn = mapstd(“应用”,pnew、ps);anewn = sim(净,pnewn);重新= mapstd(“反向”、anewn ts);

对大多数网络来说，包括feedforwardnet，这些步骤是自动完成的，因此您只需要使用sim卡命令。