总和绝对错误性能函数
perf = sae(net,t,y,ew)
[...] = SAE(...,'正则化',正则化)
[...] = SAE(...,'归一化',归一化)
[...] = SAE(...,FP)
Sae
是网络性能函数。它根据平方错误的总和来衡量性能。
perf = sae(net,t,y,ew)
采用这些输入参数和可选函数参数,
网 |
神经网络 |
t |
目标向量的矩阵或单元格数组 |
y |
输出向量的矩阵或单元格数组 |
ew |
错误权重(默认= |
并返回总和误差。
该函数具有两个可选函数参数,可以用参数名称/对参数定义,或作为结构fp
带有参数名称的字段的参数并分配了参数值:
[...] = SAE(...,'正则化',正则化)
[...] = SAE(...,'归一化',归一化)
[...] = SAE(...,FP)
正则化
- 可以将默认值设置为0和1之间的任何值。正则化值越大,在性能计算中考虑了越偏的权重和偏差。
正常化
'没有任何'
- 不执行默认设置不进行归一化。
'标准'
- 将产出和目标标准化为[-1,+1]
,因此将错误归一[-2,+2]
。
'百分'
- 将产出和目标标准化为[-0.5,+0.5]
,因此将错误归一[-1,+1]
。
在这里训练网络以适合简单的数据集及其性能计算
[x,t] = simplefit_dataset;net = fitnet(10,'trainscg');net.performfcn ='sae';net =火车(net,x,t)y = net(x)e = t-y perf = sae(net,t,y)
准备一个自定义网络接受培训Sae
, 放net.performfcn
至'sae'
。这将自动设置net.performparam
到默认函数参数。