将绝对值转移到归一化值的范围内，反之亦然

我正在学习如何使用神经网络进行回归并遇到这样的问题有一个样本х1 #这只是一个片段，来自矩阵的一行（仅示例）

x1 <- c(100,300,150) 

有一个目标值可以预测у1

y1 <- 450

у1这只是一个延续х1

为清楚起见，画出

plot( c(x1,y1)  , t="b" ,col= 4,lwd=3)
lines(x1,col=2,t="b",lwd=3)
text(2,350,labels = "x1...values" , col=2,font = 2)
text(3,350,labels = "y1" , col=4,font = 2)

对于网络，需要对数据进行归一化处理，例如，在从零到 1 的范围内。让我们把它变成一个函数normalize

normalize <- function(x)   return((x- min(x)) / (max(x)-min(x)))

我们得到了归一化х1，我们称之为х2

x2 <- normalize(x1)

问题是我现在如何从中获得标准化的目标值у1？使网络可以正常学习

紧接着是下一个相关问题：当​​我从网络获得标准化响应时у2(нормализ. у1)，如何将其转换回绝对值的答案？谢谢。