下面是自己对神经网络中batch_normalization（批标准特征化）的一个小结，很容易理解：
１．让每一层神经网络处理的数据更加具有规律性，从而神经网络也可以更加容易学习到数据中的规律。
２．对于一些激励函数，比如tan,激励函数只对一部分区间的数据比较敏感，其他地方的数据变化，做出的反应不大。
比如下面一个图：
数据只对图中红色区域比较敏感，而batch)normalization能把数据分布变到红色区域，发挥激活函数的作用。
３．ＢＮ层一般加在输出（比如全连接层）和激励函数之间，这样才起作用。
下面一个图是ＢＮ的简单数学原理：
最后一个公式是反标准化，主要是红色的两个参数，这两个参数可以进行训练，如果ＢＮ没有起到作用，可以缓解ＢＮ对数据处理造成的影响。