mse

Средняя квадратная нормированная ошибка эффективности функция

Синтаксис

Описание

пример

Совет

Чтобы использовать среднюю квадратичную невязку при глубоком обучении, используйте regressionLayer, или использовать dlarray метод mse.

perf = mse(net,t,y,ew) принимает нейронную сеть, net, матрица или массив ячеек из целевых объектов, t, матрица или массив ячеек с выходами, y, и веса ошибок, ew, и возвращает среднюю квадратичную невязку.

Эта функция имеет два необязательных параметра, которые связаны с сетями, чьи net.trainFcn установлено на эту функцию:

  • 'regularization' может быть установлено любое значение от 0 до 1. Чем больше значение регуляризации, тем больше квадратов весов и смещений включено в вычисление эффективности относительно ошибок. Значение по умолчанию 0, соответствующее отсутствию регуляризации.

  • 'normalization' может быть задано значение 'none' (по умолчанию); 'standard', которая нормализует ошибки между -2 и 2, соответствующие нормализующим выходам и целям между -1 и 1; и 'percent', что нормализует ошибки между -1 и 1. Эта функция полезна для сетей с многоэлементными выходами. Это гарантирует, что относительная точность элементов выхода с различными областями значений целевых значений рассматриваются как одинаково важные, вместо того, чтобы расставлять приоритеты относительной точности элемента выхода с наибольшей области значений целевых значений.

Можно создать стандартную сеть, которая использует mse с feedforwardnet или cascadeforwardnet. Чтобы подготовить пользовательскую сеть для обучения с mse, задать net.performFcn на 'mse'. Это автоматически устанавливает net.performParam в структуру с необязательными значениями параметров по умолчанию.

mse - функция эффективности. Он измеряет эффективность сети в соответствии со средним значением квадратичных невязок.

Примеры

свернуть все

Этот пример показов показов, как обучить нейронную сеть с помощью mse эффективность.

Здесь создается и обучается 2-х слойная сеть прямого распространения, чтобы оценить процент жира в организме с помощью mse эффективность и значение регуляризации 0,01.

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

MSE является функцией эффективности по умолчанию для feedforwardnet.

net.performFcn
ans = 
'mse'

Обучите сеть и оцените эффективность.

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

Также можно вызвать функцию mse непосредственно.

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

Входные параметры

свернуть все

Сеть, которую вы хотите вычислить эффективность, заданная как SeriesNetwork или DAGNetwork объект.

Цели, заданные как матрица или массив ячеек.

Выходы, заданные как матрица или массив ячеек.

Веса ошибок, заданные как скаляр.

Выходные аргументы

свернуть все

Эффективность сети как средние квадратичные невязки.

См. также

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте