Среднеквадратическая нормированная ошибочная функция эффективности
Совет
Чтобы использовать среднеквадратическую ошибку с глубоким обучением, использовать regressionLayer
, или используйте dlarray
метод mse.
берет нейронную сеть, perf
= mse(net
,t
,y
,ew
)net
, матричный или массив ячеек целей, t
, матричный или массив ячеек выходных параметров, y
, и веса ошибок, ew
, и возвращает среднеквадратическую ошибку.
Эта функция имеет два дополнительных параметра, которые сопоставлены с сетями чей net.trainFcn
установлен в эту функцию:
'regularization'
может быть установлен в любое значение между 0 и 1. Чем больше значение регуляризации, тем веса более в квадрате и смещения включены в вычисление эффективности относительно ошибок. Значение по умолчанию 0, не соответствуя никакой регуляризации.
'normalization'
может быть установлен в 'none'
(значение по умолчанию); 'standard'
, который нормирует ошибки между-2 и 2, соответствуя нормализации выходных параметров и предназначается между-1 и 1; и 'percent'
, который нормирует ошибки между-1 и 1. Эта функция полезна для сетей с многоэлементными выходными параметрами. Это гарантирует, что относительная точность выходных элементов с отличающимися областями значений целевого значения обработана как одинаково важная, вместо того, чтобы приоритизировать относительную точность выходного элемента с самой большой областью значений целевого значения.
Можно создать стандартную сеть, которая использует mse
с feedforwardnet
или cascadeforwardnet
. Подготовить пользовательскую сеть, которая будет обучена с mse
, установите net.performFcn
к 'mse'
. Это автоматически устанавливает net.performParam
к структуре с дополнительными значениями параметров по умолчанию.
mse
функция производительности сети. Это измеряет уровень сети согласно среднему значению квадратичных невязок.