我们正在进行的项目是“使用反向传播算法的软件工作量估计”。
对于这个项目，神经网络使用反向传播算法进行训练。我们使用了一个使用 iris 数据集来训练神经网络的代码。我们使用的激活函数是切线 (tanh) 函数，其范围为 [-1, 1]。
Iris 数据集有 4 个输入和 1 个输出（输入所属的物种）。4 个输入是萼片长度、萼片宽度、花瓣长度和花瓣宽度。然后根据值将这些变量分为 3 个物种（setosa、versicolor 和 veronica）。在数据集中，这些物种分别以二进制表示为（1,0,0），（0,1,0），（0,0,1）。所有输出值都在 0 到 1 的范围内。
我们的项目是关于软件工作量估计的，所以我们用 COCOMO81 数据集替换了数据集。输入和输出变量的数量更大，最多可达 2000 个。在代码中，标准化用于对这些值进行标准化，使其在 -1 到 1 的范围内（使用正切激活函数）。这对于训练神经网络很有效，但是由于这种归一化，我们无法知道输出值的原始值，因为它也是归一化的形式。
需要将原始值与 COCOMO2 模型得到的输出进行比较，以证明我们的模型更好。为此，我们认为我们需要对输出值进行非规范化，但是，我们不确定如何处理输出值。