Среднеквадратическая нормированная ошибочная функция эффективности
Совет
Чтобы использовать среднеквадратическую ошибку с глубоким обучением, использовать regressionLayer, или используйте dlarray метод mse.
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.