回归

回帰回帰力层の作作

构文

tillay =回归线

TALLER = REICORNIONLAYER（名称，值）

说明

回帰层は，回帰タスクの半平均二乘误差损失を计算します。

层=回归线は，ニューラルネットワークの回帰出力层回归outputLayer.オブジェクトとして返します。

预测を使用して，学习済み回帰ネットワークの応答を予测します。応答の正规化は，回帰用のニューラルネットワークの学习の安定化と高速化に役立つことがよくあります。详细については，回帰用の畳み込みニューラルネットワークネットワーク学习を参照してください。

例

层=回归线（名称，价值的）は，名称と値のペア使使し，オプションの姓名プロパティおよび响应プロパティプロパティを设定ししたとえば，回归范围（'name'，'输出'）は'输出'という名前の回帰层を作物。

例

すべて折りたたむ

回帰回帰力层の作作

ライブスクリプトを开く

'fordput'という名前の回帰出力层を作成します。

tillay =回归线（'姓名'那'fordput'的）

TALLER = REICONSION OUTPUTLAYER具有属性：名称：'rutput'rancectenames：{} hyperparameters loctionfunction：'insl-squared-error'

回帰用の既定の关键词，平均二乘误差です。

图层配列配列に回帰出出层を含め

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

入力数

すべて折りたたむ

名称とと値ののペアの

オプションの数名称，价值のコンマ区切りペアを指定します。姓名は数名で，价值は対応する値です。姓名は引用符で囲まなければなりません。name1，value1，...，namen，valuenのように，复数の名前とのペアののを，任意の顺番で指定でき。

例：回归范围（'name'，'输出'）は'输出'という名前の回帰层を作成します。

`姓名`-层の名称
`''`（既定値）|文件ベクトル|字符串スカラー

层の名前。字层グラフに层を含めるはははグラフ空意なければ前を指定指定しなければませををがししなければませを指定指定しししませを指定にししなけれ前ん指定指定ししししん指定指定しししとしてとして指定しししとしてとしてベクトルとしてとしてとしてとしてとしてとしてとしてとしてとしてとしてとしてとしてスカラーとしてとしてとしてとしてとしてとしてとしてとしてとしてとしてとしてとしてスカラースカラーとしてとしてスカラーとしてとしてスカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラースカラーとしてはにはをに空意意前前を指定ししなければませを指定指定しししなけれ指定指定指定指定しししんんんんん指定ん含まれるれる含まれるれるん含まれるれるれるれるれるれるて姓名を''に设定すると，学习时に层に名前が自动的に割り当てられます。

データ型：char|细绳

`响应`-応答の名称
`{}`（既定値）|文件ベクトルの细胞配列|字符串配列

応答の名前。文件字の细胞配列，または字符串配列として指定ます。学习时に，学校习に従って名来自动的に设定さます。既既値は{}です。

データ型：细胞

出力数

すべて折りたたむ

`层`- 回帰回帰力
`回归outputLayer.`オブジェクト

回帰回帰力层。回归outputLayer.オブジェクトとして返されます。

详细

すべて折りたたむ

回帰回帰力

回帰层は，回帰タスクの半平均二乘误差损失を计算します。ん

1つつの観测値の次でられられられ求められられられ求められられられ求められられ求め求められ

$MSE = {σ.}_{一世 = 1}^{R.} \frac{{（ {T.}_{一世} - y_{一世} 的）}^{2}}{R.} 那$

ここここ，rは応答の数，t_一世はターゲット出力，y_一世は応答iに対するネットワークの予测ですです。

イメージイメージネットワークおよび序序列to回帰のののの合并，回帰层の损失关键はは，予测応答半半れる，予测予测の半均。

$损失 = \frac{1}{2} {σ.}_{一世 = 1}^{R.} {（ {T.}_{一世} - y_{一世} 的）}^{2} 。$

图像到图像回帰ネットワークの场合，回帰层の损失关键はは正式化さのではなく，各各ピクセルの予测応答のの均二乘误差になりなり

$损失 = \frac{1}{2} {σ.}_{P. = 1}^{H W. C} {（ {T.}_{P.} - y_{P.} 的）}^{2} 那$

ここで，h，w，およびcは，それぞれそれぞれ力の高，幅，チャネル数を，pはtおよびの各（ピクセル）に対して形にに各た要素です。

序列到序列回帰回帰のの合，回帰层の损失关键はは，各タイムステップの応答の平等均二乘になります。

$损失 = \frac{1}{2 S.} {σ.}_{一世 = 1}^{S.} {σ.}_{j = 1}^{R.} {（ {T.}_{一世 j} - y_{一世 j} 的）}^{2} 那$

ここで，sはシーケンス长。

学习时间には，ミニバッチ内の観测値に対する平均损失が计算されます。

拡张机械

C / C ++コード生成
MATLAB®Coder™をを使てcおよびc ++コード生成しし。

GPUコード生成
GPU编码器™をを使てnVidia®GPUのためためのののののののためののの。

参考

回归outputLayer.|全康无经|ClassificationLayer.

トピック

R2017Aで导入

回归

构文

说明

例

回帰回帰力层の作作

入力数

名称とと値ののペアの

`姓名`-层の名称
`''`（既定値）|文件ベクトル|字符串スカラー

`响应`-応答の名称
`{}`（既定値）|文件ベクトルの细胞配列|字符串配列

出力数

`层`- 回帰回帰力
`回归outputLayer.`オブジェクト

详细

回帰回帰力

拡张机械

C / C ++コード生成
MATLAB®Coder™をを使てcおよびc ++コード生成しし。

GPUコード生成
GPU编码器™をを使てnVidia®GPUのためためのののののののためののの。

参考

トピック

深度学习工具箱ドキュメンテーション

サポート

matlabで始めるディープラーニング

回归

构文

说明

例

回帰回帰力层の作作

入力数

名称とと値ののペアの

姓名-层の名称''（既定値）|文件ベクトル|字符串スカラー

响应-応答の名称{}（既定値）|文件ベクトルの细胞配列|字符串配列

出力数

层- 回帰回帰力回归outputLayer.オブジェクト

详细

回帰回帰力

拡张机械

C / C ++コード生成MATLAB®Coder™をを使てcおよびc ++コード生成しし。

GPUコード生成GPU编码器™をを使てnVidia®GPUのためためのののののののためののの。

参考

トピック

深度学习工具箱ドキュメンテーション

サポート

matlabで始めるディープラーニング

`姓名`-层の名称
`''`（既定値）|文件ベクトル|字符串スカラー

`响应`-応答の名称
`{}`（既定値）|文件ベクトルの细胞配列|字符串配列

`层`- 回帰回帰力
`回归outputLayer.`オブジェクト

C / C ++コード生成
MATLAB®Coder™をを使てcおよびc ++コード生成しし。

GPUコード生成
GPU编码器™をを使てnVidia®GPUのためためのののののののためののの。