Вычислите производительность сети
perform(net,t,y,ew)
perform(net,t,y,ew) берет эти аргументы,
net | Нейронная сеть |
t | Целевые данные |
y | Выходные данные |
ew | Ошибочные веса (значение по умолчанию = |
и возвращает производительность сети, вычисленную согласно net.performFcn и net.performParam значения свойств.
Целевые и выходные данные должны иметь те же размерности. Ошибочные веса могут быть теми же размерностями как цели, в наиболее общем случае, но могут также иметь любую из его размерностей быть 1. Это дает гибкость определения ошибочных весов через любую желаемую размерность.
Ошибочные веса могут быть заданы демонстрационным, выходным элементом, временным шагом или сетевым выходом:
ew = [1.0 0.5 0.7 0.2]; % Across 4 samples
ew = [0.1; 0.5; 1.0]; % Across 3 elements
ew = {0.1 0.2 0.3 0.5 1.0}; % Across 5 timesteps
ew = {1.0; 0.5}; % Across 2 outputs
Ошибочные веса могут также быть заданы через любую комбинацию, такой как через два timeseries (т.е. две выборки) более чем четыре такта.
ew = {[0.5 0.4],[0.3 0.5],[1.0 1.0],[0.7 0.5]};
В общем случае ошибочные веса могут иметь точно те же размерности как цели, в этом случае каждое целевое значение будет иметь связанный ошибочный вес.
Ошибочный вес по умолчанию обрабатывает все ошибки то же самое.
ew = {1}
Здесь простая подходящая задача решена с сетью feedforward и ее вычисленной производительностью.
[x,t] = simplefit_dataset; net = feedforwardnet(20); net = train(net,x,t); y = net(x); perf = perform(net,t,y)
perf = 2.3654e-06