图二是0中心化数据：每一个数据样本除以所有的样本均值得到。缺点：数据Y轴变化幅度（抖动幅度）比X轴要大；
图三是归一化数据：需要求数据样本的方差。数据x和y值都在0,1之间。
权重初始化：
1、网络权重不能够（全部？部分?）初始化为0；
2、网络权重不能全部初始化为同一个数值，比如1？，2？，这样都不好。这样网络在反向传播更新权重的时候，都是朝着同一个方向进行更新，没有侧重点来更新网络参数，会导致收敛周期非常长。
3、通常使用高斯初始化或者随机初始化。
4、bias初始化：0或者1比较普遍的初始化方式。
drop-out:随机选择输出为0
优点：使得神经网络的结构变得简单点，降低网络的过拟合现象；
计算量变小，加快网络收敛。