我们正在研究的项目是“使用反向传播算法的软件工作量估算”。
对于该项目，使用反向传播算法训练神经网络。我们使用了一个代码，该代码采用虹膜数据集来训练神经网络。我们使用的激活函数是正切（tanh）函数，范围为[-1，1]。
Iris数据集具有4个输入和1个输出（输入所属的种类）。 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种（setosa，versicolor和veronica）。在数据集中，这些种类分别用（1,0,0），（0,1,0），（0,0,1）二进制表示。所有输出值都在0到1的范围内。
我们的项目涉及软件工作量估算，因此我们将数据集替换为COCOMO81数据集。输入和输出变量的数量较大，范围最大为2000。在代码中，使用归一化对这些值进行归一化，因为它们的范围是-1至1（使用切线激活函数）。这对于训练神经网络效果很好，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。
需要使用原始值将其与COCOMO2模型的输出进行比较，以证明我们的模型更好。为此，我们认为需要对输出值进行归一化，但是不确定如何处理输出值。