主要内容

回归

创建回归输出层

描述

回归层计算回归任务的半平均误差损失。

=回归线返回神经网络的回归输出层作为一个回归outputLayer.目的。

使用训练回归网络的响应预测。归一化反应通常有助于稳定和加速对回归神经网络的培训。有关更多信息,请参阅火车回归卷积神经网络

例子

=回归线(名称,价值的)设置可选名称响应属性使用名称值对。例如,回归范围('name','输出')创建一个名称的回归层'输出'。将每个属性名称括在单引号中。

例子

全部收缩

使用名称创建一个回归输出层'fordput'

tillay =回归线('名称''fordput'的)
TALLER = REICONSION OUTPUTLAYER具有属性:名称:'rutput'rancectenames:{} hyperparameters loctionfunction:'insl-squared-error'

回归的默认损耗函数是均值平方错误。

在图层阵列中包含回归输出层。

层= [......ImageInputLayer([28 28 1])卷积2dlayer(12,25)rululayer全连接列(1)回归层]
图层= 5x1层阵列与图层:1''图像输入28x28x1图像与“zerocenter”归一化2''''''卷积25 12x12卷积与步幅[1 1]和填充[0 0 0 0] 3''Relu Relu 4''完全连接的1完全连接的第5层'回归输出均值误差

输入参数

全部收缩

名称 - 值参数

指定可选的逗号分离对名称,价值论点。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1,value1,...,namen,valuen

例子:回归范围('name','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。为了阵列输入,Trainnetwork.汇编分层图, 和dlnetwork.函数自动将名称分配给图层名称设置''

数据类型:char|细绳

响应的名称,指定了字符向量或字符串数​​组的单元格数组。在培训时,软件根据培训数据自动设置响应名称。默认为{}

数据类型:细胞

输出参数

全部收缩

回归输出层,作为a返回回归outputLayer.目的。

更多关于

全部收缩

回归输出层

回归层计算回归任务的半平均误差损失。对于典型的回归问题,回归层必须遵循最终完全连接的层。

对于单个观察,平均方形错误由:

MSE = σ. 一世 = 1 R. T. 一世 - y 一世 的) 2 R.

在哪里R.是响应的数量,T.一世是目标输出,和y一世是网络对响应的预测一世

对于图像和序列到一个回归网络,回归层的丢失函数是预测响应的半平均误差,而不是由标准化的R.

损失 = 1 2 σ. 一世 = 1 R. T. 一世 - y 一世 的) 2

对于图像到图像回归网络,回归层的丢失函数是每个像素的预测响应的半平均误差,而不是由标准化的R.

损失 = 1 2 σ. P. = 1 H W. C T. P. - y P. 的) 2

在哪里HW., 和C分别表示输出的高度,宽度和数量,以及P.索引到每个元素(像素)的每个元素T.y线性地。

对于序列到序列回归网络,回归层的丢失函数是每次步骤的预测响应的半平均平方误差,而不是由R.

损失 = 1 2 S. σ. 一世 = 1 S. σ. j = 1 R. T. 一世 j - y 一世 j 的) 2

在哪里S.是序列长度。

在培训时,该软件计算迷你批次中的观测结果的平均损失。

扩展能力

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编码器™生成NVIDIA®GPU的CUDA®代码。

在R2017A介绍