Exponenta Banner
exponenta event banner

mse

Среднеквадратичная нормированная функция производительности

свернуть все на странице

Синтаксис

perf = mse (сетка, t, y, ew)

Описание

пример

Совет

Для использования средней квадратичной ошибки с глубоким обучением, используйте regressionLayerили используйте dlarray способ mse.

perf = mse(net,t,y,ew) принимает нейронную сеть, netматрица или массив ячеек мишеней, tматрица или матрица ячеек выходных сигналов, yи весовые коэффициенты ошибок, ewи возвращает среднеквадратичную ошибку.

Эта функция имеет два необязательных параметра, которые связаны с сетями, чьи net.trainFcn устанавливается для этой функции:

  • 'regularization' может иметь любое значение от 0 до 1. Чем больше значение регуляризации, тем больше квадратичных весов и смещений включается в расчет производительности относительно ошибок. Значение по умолчанию равно 0, что соответствует отсутствию регуляризации.

  • 'normalization' может иметь значение 'none' (по умолчанию); 'standard', который нормализует ошибки между -2 и 2, соответствующие нормализующим выходам и целям между -1 и 1; и 'percent', которая нормализует ошибки между -1 и 1. Эта функция полезна для сетей с многоэлементными выходами. Это гарантирует, что относительная точность выходных элементов с различными диапазонами целевых значений рассматривается как одинаково важная, вместо того, чтобы расставлять приоритеты относительной точности выходного элемента с наибольшим диапазоном целевых значений.

Можно создать стандартную сеть, использующую mse с feedforwardnet или cascadeforwardnet. Подготовка пользовательской сети для обучения mse, комплект net.performFcn кому 'mse'. Это автоматически устанавливает net.performParam в структуру со значениями необязательных параметров по умолчанию.

mse - функция производительности сети. Он измеряет производительность сети в соответствии со средним значением ошибок в квадрате.

Примеры

свернуть все

Открыть сценарий в реальном времени

В этом примере показано, как обучить нейронную сеть с помощью mse функциональная функция.

Здесь создается двухуровневая сеть прямой связи и обучается оценивать процентное содержание жира в организме с использованием mse функция производительности и значение регуляризации 0,01. 

[x, t] = bodyfat_dataset;
net = feedforwardnet(10);
net.performParam.regularization = 0.01;

MSE - это функция производительности по умолчанию для feedforwardnet.

net.performFcn
ans = 
'mse'

Обучение сети и оценка производительности.

net = train(net, x, t);
y = net(x);
perf = perform(net, t, y)
perf = 20.7769

Кроме того, можно вызвать mse непосредственно.

perf = mse(net, t, y, 'regularization', 0.01)
perf = 20.7769

Входные аргументы

свернуть все

Сеть, для которой требуется рассчитать производительность, указанная как SeriesNetwork или DAGNetwork объект.

Целевые объекты, указанные как матрица или массив ячеек.

Выходные данные, заданные как матрица или массив ячеек.

Веса ошибок, указанные как скаляр.

Выходные аргументы

свернуть все

Производительность сети как среднеквадратичные ошибки.

См. также

Представлен до R2006a

Документация по инструментам для глубокого обучения

Поддержка