MATLAB构建一个CNN网络，归一化层采用最大最小归一化

好的，下面是一个简单的例子，用于构建一个包含归一化层的CNN网络，归一化层采用最大最小归一化方法：

% 导入数据
data = imageDatastore('path/to/images', 'IncludeSubfolders', true, 'LabelSource', 'foldernames');

% 定义归一化层
norm = 'minmax';

% 定义CNN网络结构
layers = [
    imageInputLayer([32 32 3])
    
    normalizationLayer(norm)
    
    convolution2dLayer(3, 16, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    
    maxPooling2dLayer(2, 'Stride', 2)
    
    convolution2dLayer(3, 32, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer
];

% 定义训练选项
options = trainingOptions('sgdm', ...
    'MaxEpochs', 10, ...
    'MiniBatchSize', 64, ...
    'Plots', 'training-progress');

% 训练CNN网络
net = trainNetwork(data, layers, options);

在上面的代码中，我们首先导入图像数据，然后定义最大最小归一化方法。接下来，我们定义CNN网络的结构，包括归一化层、卷积层、批量归一化层、ReLU层、池化层、全连接层、softmax层和分类层。最后，我们定义训练选项并训练CNN网络。

注意，这只是一个简单的例子，具体的CNN网络结构和训练参数需要根据实际情况进行调整。