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.