RegressionOutputLayer

Regression слой выхода

расширьте все на странице

Описание

Слой регрессии вычисляет половину потери среднеквадратической ошибки для задач регрессии.

Создание

Создайте регрессию выходное использование слоя regressionLayer.

Свойства

развернуть все

Регрессия Выход

`ResponseNames` — Имена ответов
`{}` (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

Имена ответов, заданных массив ячеек из символьных векторов или массив строк. В учебное время программное обеспечение автоматически определяет имена ответа согласно обучающим данным. Значением по умолчанию является {}.

Типы данных: cell

`LossFunction` — Функция потерь для обучения
`'mean-squared-error'`

Функция потерь программное обеспечение использует для обучения в виде 'mean-squared-error'.

Слой

`Name` — Имя слоя
`''` (значение по умолчанию) | вектор символов | строковый скаляр

Имя слоя в виде вектора символов или строкового скаляра. Чтобы включать слой в график слоев, необходимо задать непустое, уникальное имя слоя. Если вы обучаете серийную сеть со слоем и Name установлен в '', затем программное обеспечение автоматически присваивает имя к слою в учебное время.

Типы данных: char | string

`NumInputs` — Количество входных параметров
1 (значение по умолчанию)

Количество входных параметров слоя. Этот слой принимает один вход только.

Типы данных: double

`InputNames` — Введите имена
`{'in'}` (значение по умолчанию)

Введите имена слоя. Этот слой принимает один вход только.

Типы данных: cell

`NumOutputs` — Количество выходных параметров
0 (значение по умолчанию)

Количество выходных параметров слоя. Слой не имеет никаких выходных параметров.

Типы данных: double

`OutputNames` — Выведите имена
`{}` (значение по умолчанию)

Выведите имена слоя. Слой не имеет никаких выходных параметров.

Типы данных: cell

Примеры

свернуть все

Создайте регрессию Выходной слой

Скрипт Open Live Script

Создайте регрессию выходной слой с именем 'routput'.

layer = regressionLayer('Name','routput')

layer = 
  RegressionOutputLayer with properties:

             Name: 'routput'
    ResponseNames: {}

   Hyperparameters
     LossFunction: 'mean-squared-error'

Функция потерь по умолчанию для регрессии является среднеквадратической ошибкой.

Включайте регрессию выходной слой в массив Слоя.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(12,25)
    reluLayer
    fullyConnectedLayer(1)
    regressionLayer]

layers = 
  5x1 Layer array with layers:

     1   ''   Image Input         28x28x1 images with 'zerocenter' normalization
     2   ''   Convolution         25 12x12 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                ReLU
     4   ''   Fully Connected     1 fully connected layer
     5   ''   Regression Output   mean-squared-error

Больше о

развернуть все

Регрессия Выходной слой

Слой регрессии вычисляет половину потери среднеквадратической ошибки для задач регрессии. Для типичных проблем регрессии слой регрессии должен следовать за итоговым полносвязным слоем.

Для одного наблюдения среднеквадратической ошибкой дают:

$MSE = \sum_{i = 1}^{R} \frac{{(t_{i} - y_{i})}^{2}}{R},$

где R является количеством ответов, _ti является целевой выход, и _yi является предсказанием сети для ответа i.

Для изображения и sequence-one сетей регрессии, функция потерь слоя регрессии является половиной среднеквадратической ошибки предсказанных ответов, не нормированных на R:

$loss = \frac{1}{2} \sum_{i = 1}^{R} {(t_{i} - y_{i})}^{2} .$

Для сетей регрессии от изображения к изображению функция потерь слоя регрессии является половиной среднеквадратической ошибки предсказанных ответов для каждого пикселя, не нормированного на R:

$loss = \frac{1}{2} \sum_{p = 1}^{H W C} {(t_{p} - y_{p})}^{2},$

где H, W и C обозначают высоту, ширину, и количество каналов выхода соответственно и индексы p в каждый элемент (пиксель) t и y линейно.

Для сетей регрессии от последовательности к последовательности функция потерь слоя регрессии является половиной среднеквадратической ошибки предсказанных ответов для каждого временного шага, не нормированного на R:

$loss = \frac{1}{2 S} \sum_{i = 1}^{S} \sum_{j = 1}^{R} {(t_{i j} - y_{i j})}^{2},$

где S является длиной последовательности.

Когда обучение, программное обеспечение вычисляет среднюю потерю по наблюдениям в мини-пакете.

Темы

Введенный в R2017a

Документация

RegressionOutputLayer

Описание

Создание

Свойства

Регрессия Выход

`ResponseNames` — Имена ответов
`{}` (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

`LossFunction` — Функция потерь для обучения
`'mean-squared-error'`

Слой

`Name` — Имя слоя
`''` (значение по умолчанию) | вектор символов | строковый скаляр

`NumInputs` — Количество входных параметров
1 (значение по умолчанию)

`InputNames` — Введите имена
`{'in'}` (значение по умолчанию)

`NumOutputs` — Количество выходных параметров
0 (значение по умолчанию)

`OutputNames` — Выведите имена
`{}` (значение по умолчанию)

Примеры

Создайте регрессию Выходной слой

Больше о

Регрессия Выходной слой

Смотрите также

Темы

Документация Deep Learning Toolbox

Поддержка

Документация

RegressionOutputLayer

Описание

Создание

Свойства

Регрессия Выход

ResponseNames — Имена ответов {} (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

LossFunction — Функция потерь для обучения 'mean-squared-error'

Слой

Name — Имя слоя '' (значение по умолчанию) | вектор символов | строковый скаляр

NumInputs — Количество входных параметров 1 (значение по умолчанию)

InputNames — Введите имена {'in'} (значение по умолчанию)

NumOutputs — Количество выходных параметров 0 (значение по умолчанию)

OutputNames — Выведите имена {} (значение по умолчанию)

Примеры

Создайте регрессию Выходной слой

Больше о

Регрессия Выходной слой

Смотрите также

Темы

Документация Deep Learning Toolbox

Поддержка

`ResponseNames` — Имена ответов
`{}` (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

`LossFunction` — Функция потерь для обучения
`'mean-squared-error'`

`Name` — Имя слоя
`''` (значение по умолчанию) | вектор символов | строковый скаляр

`NumInputs` — Количество входных параметров
1 (значение по умолчанию)

`InputNames` — Введите имена
`{'in'}` (значение по умолчанию)

`NumOutputs` — Количество выходных параметров
0 (значение по умолчанию)

`OutputNames` — Выведите имена
`{}` (значение по умолчанию)