主要内容

回归层

创建回归输出层

描述

回归层为回归任务计算半均值的误差损失。

=回归层返回神经网络的回归输出层作为一个RecressionOutputlayer目的。

使用训练有素的回归网络的响应预测。正常化的反应通常有助于稳定和加快对神经网络进行回归的训练。有关更多信息,请参阅火车卷积神经网络回归

例子

=回归层(名称,价值设置可选姓名响应量使用名称值对的属性。例如,回归层('名称','输出')创建一个名称的回归层'输出'。将每个属性名称包装在单引号中。

例子

全部收缩

创建一个名称的回归输出层“路由”

layer =回归层('姓名',,,,“路由”
layer =带有属性的回归图layerer:名称:'rutput'响应名称:{} hyperparameters lossfunction:'eym-squared-error'

回归的默认损耗函数是均方误差。

将回归输出层包含在图层阵列中。

层= [...imageInputlayer([28 28 1])卷积2DLAYER(12,25)Relulayer PlullConnectedLayer(1)回归层]
层= 5x1层阵列,带有层:1''图像输入28x28x1图像,带有“ zerecenter”归一化2''卷积25 12x12卷积[1 1]和填充[0 0 0 0 0] 3'''''relu 4'''完全连接1个完全连接的层5''回归输出均值 - 错误

输入参数

全部收缩

名称值参数

指定可选的逗号分隔对名称,价值参数。姓名是参数名称和价值是相应的值。姓名必须出现在引号中。您可以按任何顺序指定几个名称和值对参数NAME1,Value1,...,Namen,Valuen

例子:回归层('名称','输出')创建一个名称的回归层'输出'

图层名称,指定为字符向量或字符串标量。为了数组输入,火车网,,,,汇编工作,,,,LayerGraph, 和dlnetwork功能自动将名称分配给图层姓名设置''

数据类型:char|细绳

响应的名称,指定字符向量或字符串数​​组的单元格数组。在培训时,该软件会根据培训数据自动设置响应名称。默认值为{}

数据类型:细胞

输出参数

全部收缩

回归输出层,返回RecressionOutputlayer目的。

更多关于

全部收缩

回归输出层

回归层为回归任务计算半均值的误差损失。对于典型的回归问题,回归层必须遵循最终的完全连接层。

对于一个单一的观察,均方误差由以下方式给出:

MSE = 一世 = 1 r (( t 一世 - y 一世 2 r ,,,,

在哪里r是响应数,t一世是目标输出,并且y一世是网络的响应预测一世

对于图像和序列到一个回归网络,回归层的损耗函数是预测响应的半均值误差,而不是由r

损失 = 1 2 一世 = 1 r (( t 一世 - y 一世 2

对于图像到图像回归网络,回归层的损耗函数是每个像素的预测响应的半均值误差,而不是由r

损失 = 1 2 p = 1 H w C (( t p - y p 2 ,,,,

在哪里H,,,,w, 和C分别表示输出的高度,宽度和数量,并表示p索引到每个元素(像素)的ty线性。

对于序列到序列回归网络,回归层的损耗函数是每个时间步的预测响应的半均值误差,而不是由r

损失 = 1 2 s 一世 = 1 s j = 1 r (( t 一世 j - y 一世 j 2 ,,,,

在哪里s是序列长度。

训练时,软件会计算小批量观测值的平均损失。

扩展功能

C/C ++代码生成
使用MATLAB®CODER™生成C和C ++代码。

GPU代码生成
使用GPU CODER™为NVIDIA®GPU生成CUDA®代码。

在R2017A中引入