Функция суммирования абсолютных ошибок
perf = sae(net,t,y,ew)
[...] = sae(...,'regularization',regularization)
[...] = sae(...,'normalization',normalization)
[...] = sae(...,FP)
sae - функция производительности сети. Он измеряет производительность в соответствии с суммой ошибок в квадрате.
perf = sae(net,t,y,ew) принимает эти входные аргументы и необязательные параметры функции,
net | Нейросеть |
t | Матрица или клеточный массив целевых векторов |
y | Матрица или массив ячеек выходных векторов |
ew | Веса ошибок (по умолчанию = |
и возвращает сумму ошибки в квадрате.
Эта функция имеет два необязательных параметра функции, которые могут быть определены с именем параметра/аргументами пары, или как структура FP с полями, имеющими имя параметра и присвоенными значениям параметра:
[...] = sae(...,'regularization',regularization)
[...] = sae(...,'normalization',normalization)
[...] = sae(...,FP)
regularization - может быть установлено любое значение в диапазоне от 0 до 1. Чем больше значение регуляризации, тем больше квадратичных весов и отклонений учитывается при расчете производительности.
normalization
'none' - не выполняет нормализацию, по умолчанию.
'standard' - нормализует выходы и цели [-1, +1], и поэтому нормализует ошибки к [-2, +2].
'percent' - нормализует выходы и цели [-0.5, +0.5], и поэтому нормализует ошибки к [-1, +1].
Здесь сеть обучается соответствовать простому набору данных и вычисляется ее производительность
[x,t] = simplefit_dataset; net = fitnet(10,'trainscg'); net.performFcn = 'sae'; net = train(net,x,t) y = net(x) e = t-y perf = sae(net,t,y)
Подготовка пользовательской сети для обучения sae, комплект net.performFcn кому 'sae'. Это автоматически устанавливает net.performParam к параметрам функции по умолчанию.
Затем звонить train, adapt или perform приведет к sae используется для расчета производительности.