Exponenta Banner

mae

Средняя функция эффективности абсолютной погрешности

свернуть все на странице

Синтаксис

perf = mae(E,Y,X)
dPerf_dx = mae('dx',E,Y,X,perf)
info = mae('code')

Описание

пример

perf = mae(E,Y,X) берет матричный или массив ячеек векторов ошибок, E, и опционально матричный или массив ячеек выходных векторов, Y, вектор из всего веса и значений смещения, X, и возвращает производительность сети как среднее значение абсолютных погрешностей, perf.

dPerf_dx = mae('dx',E,Y,X,perf) возвращает производную perf относительно X.

info = mae('code') возвращает полезную информацию для каждого code символьный вектор:

  • mae('name') возвращает имя этой функции.

  • mae('pnames') возвращает имена параметров обучения.

  • mae('pdefaults') возвращает параметры функции по умолчанию.

Примеры

свернуть все

В этом примере показано, как вычислить производительность сети как среднее значение абсолютных погрешностей.

Создайте и сконфигурируйте perceptron, чтобы иметь вход того и один нейрон:

net = perceptron;
net = configure(net,0,0);

Сети дают пакет входных параметров P. Ошибка вычисляется путем вычитания выхода A от целевого T. Затем средняя абсолютная погрешность вычисляется.

p = [-10 -5 0 5 10];
t = [0 0 1 1 1];
y = net(p)
e = t-y
perf = mae(e)

Обратите внимание на то, что mae может быть вызван только одним аргументом, потому что другие аргументы проигнорированы. mae поддержки те аргументы, чтобы соответствовать стандартному списку аргументов функции эффективности.

Входные параметры

свернуть все

Ошибки в виде вектора, матрицы или массива ячеек.

Сетевые выходные параметры в виде вектора, матрицы или массива ячеек.

Вес и значения смещения в виде вектора.

Выходные аргументы

свернуть все

Производительность сети как среднее значение абсолютных погрешностей, возвращенных как скаляр.

Производная perf относительно X, возвращенный как скаляр.

Больше о

свернуть все

Сетевое использование

Можно создать стандартную сеть, которая использует mae с perceptron.

Подготовить пользовательскую сеть, которая будет обучена с mae, установите net.performFcn к 'mae'. Это автоматически устанавливает net.performParam к пустому матричному [], потому что mae не имеет никаких эксплуатационных параметров.

В любом случае, вызывая train или adapt, результаты в mae будучи используемым вычислять эффективность.

Смотрите также

|

Представлено до R2006a

Документация Deep Learning Toolbox

Поддержка