均方误差
均方归一化误差性能函数
描述
提示
要在深度学习中使用均方误差,请使用regressionLayer
,或使用dlarray
均方误差的方法。
用一个神经网络,性能
= mse (网
,t
,y
,电子战
)网
,目标的矩阵或单元阵列,t
,输出的矩阵或单元格数组,y
,误差权重,电子战
,并返回均方误差。
该函数有两个可选参数,分别与网络net.trainFcn
设置为此函数:
“正规化”
可以设置为0到1之间的任何值。正则化值越大,相对于误差,性能计算中包含的权重和偏差的平方就越多。默认值为0,对应于没有正则化。“归一化”
可以设置为“没有”
(默认);“标准”
,将误差归一化在-2到2之间,对应归一化输出和目标在-1到1之间;而且“百分比”
,它将-1到1之间的误差归一化。该特性对于具有多元素输出的网络非常有用。它确保具有不同目标值范围的输出元素的相对精度被同等重要,而不是优先考虑具有最大目标值范围的输出元素的相对精度。
您可以创建一个使用的标准网络均方误差
与feedforwardnet
或cascadeforwardnet
.准备一个用于训练的自定义网络均方误差
,设置net.performFcn
来mse的
.这将自动设置net.performParam
到具有默认可选参数值的结构。
均方误差
是一个网络性能函数。它根据平方误差的平均值来衡量网络的性能。
例子
输入参数
输出参数
版本历史
R2006a之前介绍