Средняя функция эффективности абсолютной погрешности
perf = mae(E,Y,X,FP)
mae функция производительности сети. Это измеряет уровень сети как среднее значение абсолютных погрешностей.
perf = mae(E,Y,X,FP) берет E и дополнительные параметры функции,
E | Матричный или массив ячеек векторов ошибок |
Y | Матричный или массив ячеек выходных векторов (проигнорирован) |
X | Вектор из всего веса и значений смещения (проигнорирован) |
FP | Параметры функции (проигнорированы) |
и возвращает среднюю абсолютную погрешность.
dPerf_dx = mae('dx',E,Y,X,perf,FP) возвращает производную perf относительно X.
информация = больше (' возвращает полезную информацию для каждого code')code символьный вектор:
mae('name') возвращает имя этой функции.
mae('pnames') возвращает имена учебных параметров.
mae('pdefaults') возвращает параметры функции по умолчанию.
Создайте и сконфигурируйте perceptron, чтобы иметь вход того и один нейрон:
net = perceptron; net = configure(net,0,0);
Сети дают пакет входных параметров P. Ошибка вычисляется путем вычитания выхода A от целевого T. Затем средняя абсолютная погрешность вычисляется.
p = [-10 -5 0 5 10]; t = [0 0 1 1 1]; y = net(p) e = t-y perf = mae(e)
Обратите внимание на то, что mae может быть вызван только одним аргументом, потому что другие аргументы проигнорированы. mae поддержки те аргументы, чтобы соответствовать стандартному списку аргументов функции эффективности.
Можно создать стандартную сеть, которая использует mae с perceptron.
Подготовить пользовательскую сеть, которая будет обучена с mae, установите net.performFcn к 'mae'. Это автоматически устанавливает net.performParam к пустому матричному [], потому что mae не имеет никаких эксплуатационных параметров.
В любом случае, вызывая train или adapt, результаты в mae будучи используемым вычислять эффективность.