Exponenta Banner
exponenta event banner

perform

Вычислите производительность сети

свернуть все на странице

Синтаксис

perf = perform(net,t,y,ew)

Описание

пример

perf = perform(net,t,y,ew) берет сеть net, цели T, выходные параметры Y, и опционально веса ошибок EW, и возвращает производительность сети, вычисленную согласно net.performFcn и net.performParam значения свойств.

Целевые и выходные данные должны иметь те же размерности. Веса ошибок могут быть теми же размерностями как цели, в наиболее общем случае, но могут также иметь любую из его размерностей быть 1. Это дает гибкость определения весов ошибок через любую желаемую размерность.

Примеры

свернуть все

В этом примере показано, как вычислить эффективность сети прямого распространения с perform функция.

Создайте сеть прямого распространения с помощью данных из простого подходящего набора данных и вычислите его эффективность.

[x,t] = simplefit_dataset;
net = feedforwardnet(20);
net = train(net,x,t);
y = net(x);
perf = perform(net,t,y)

perf =

   2.3654e-06

Входные параметры

свернуть все

Введите сеть в виде сетевого объекта. Чтобы создать сетевой объект, используйте, например, feedforwardnet или narxnet.

Сетевые цели в виде матричного или массива ячеек.

Сетевые выходные параметры в виде матричного или массива ячеек.

Веса ошибок в виде вектора, матрицы или массива ячеек.

Веса ошибок могут быть заданы демонстрационным, выходным элементом, временным шагом или сетевым выходом:

ew = [1.0 0.5 0.7 0.2]; % Across 4 samples
ew = [0.1; 0.5; 1.0]; % Across 3 elements
ew = {0.1 0.2 0.3 0.5 1.0}; % Across 5 timesteps
ew = {1.0; 0.5}; % Across 2 outputs

Веса ошибок могут также быть заданы через любую комбинацию, такой как через два timeseries (i.e., две выборки) более чем четыре такта.

ew = {[0.5 0.4],[0.3 0.5],[1.0 1.0],[0.7 0.5]};

В общем случае веса ошибок могут иметь точно те же размерности как цели, в этом случае каждое целевое значение будет иметь связанный вес ошибки.

Вес ошибки по умолчанию обрабатывает все ошибки то же самое.

ew = {1}

Выходные аргументы

свернуть все

Производительность сети, возвращенная как скаляр.

Смотрите также

| |

Представленный в R2010b

Документация Deep Learning Toolbox

Поддержка