La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

mse

Funzione di performance dell’errore quadratico medio normalizzato

Sintassi

perf = mse(net,t,y,ew)

Descrizione

Suggerimento

Per utilizzare l'errore quadratico medio con il Deep Learning, utilizzare regressionLayer o il metodo dlarray mse.

perf = mse(net,t,y,ew) considera una rete neurale net, una matrice o un array di celle di target t, una matrice o un array di celle di output y e i pesi dell’errore ew e restituisce l’errore quadratico medio.

Questa funzione ha due parametri opzionali, che sono associati alle reti il cui net.trainFcn è impostato su questa funzione:

• 'regularization' può essere impostato su qualsiasi valore compreso tra 0 e 1. Maggiore è il valore della regolarizzazione, maggiore è la quantità di pesi e bias quadratici inclusi nel calcolo della performance rispetto agli errori. Il valore predefinito è 0, corrispondente a nessuna regolarizzazione.

• 'normalization' può essere impostato su 'none' (predefinito); su 'standard', che normalizza gli errori tra -2 e 2, corrispondenti alla normalizzazione degli output e dei target compresi tra -1 e 1; e su 'percent', che normalizza gli errori tra -1 e 1. Questa feature è utile per le reti con output a più elementi. Assicura che venga data la stessa importanza alla precisione relativa degli elementi di output con intervalli di valori target diversi, piuttosto che dare priorità alla precisione relativa dell'elemento di output con l'intervallo di valori target più ampio.

È possibile creare una rete standard che utilizza mse con feedforwardnet o cascadeforwardnet. Per preparare una rete personalizzata da addestrare con mse, impostare net.performFcn su 'mse'. Questo imposta automaticamente net.performParam con i valori del parametro opzionale predefiniti.

mse è una funzione di performance della rete. Misura la performance della rete in base alla media degli errori quadratici.

Esempi

Addestramento della rete neurale utilizzando la funzione di performance mse

Questo esempio mostra come addestrare una rete neurale utilizzando la funzione di performance mse.

Qui viene creata e poi addestrata una rete feedforward a due livelli per la stima della percentuale di grasso corporeo, utilizzando la funzione di performance mse e un valore di regolarizzazione di 0,01.

[x, t] = bodyfat_dataset;
net = feedforwardnet(10);
net.performParam.regularization = 0.01;

MSE è la funzione di performance predefinita per feedforwardnet.

net.performFcn

Addestrare la rete e valutare la performance.

net = train(net, x, t);
y = net(x);
perf = perform(net, t, y)

In alternativa, è possibile chiamare direttamente mse.

perf = mse(net, t, y, 'regularization', 0.01)

Argomenti di input

net — Matrice di input

matrice

Rete di cui si desidera calcolare la performance, specificata come un oggetto SeriesNetwork o DAGNetwork.

t — Target

matrice | array di celle

Target, specificati come una matrice o un array di celle.

y — Output

matrice | array di celle

Output, specificati come una matrice o un array di celle.

ew — Pesi dell’errore

1 (predefinito) | scalare

Pesi dell’errore, specificati come scalare.

Argomenti di output

perf — Performance della rete

scalare

Performance della rete come errori quadratici medi.

Cronologia versioni

Introduzione prima di R2006a

Vedi anche

mae