MATLAB中mse函数用法

这篇具有很好参考价值的文章主要介绍了MATLAB中mse函数用法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

语法

说明

示例

使用 mse 性能函数训练神经网络


        mse函数的功能是均方归一化误差性能函数。

语法

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

说明

提示

        要在深度学习中使用均方误差,请使用 regressionLayer,或使用 dlarray 方法 mse。

perf = mse(net,t,y,ew) 采用神经网络 net、目标矩阵或元胞数组 t、输出矩阵或元胞数组 y 和误差权重 ew,并返回均方误差。

此函数有两个可选参数,它们与 net.trainFcn 设置为此函数的网络相关联:

  • 'regularization' 可以设置为 0 到 1 之间的任何值。正则化值越大,性能计算中包含的相对于误差的平方权重和偏置就越大。默认值为 0,对应于无正则化。

  • 'normalization' 可以设置为 'none'(默认值);'standard',将 -2 和 2 之间的误差归一化,对应于将 -1 和 1 之间的输出和目标归一化;以及 'percent',将 -1 和 1 之间的误差归一化。此功能对于具有多元素输出的网络非常有用。它确保具有不同目标值范围的输出元素的相对精度被视为具有相同的重要性,而不是优先考虑具有最大目标值范围的输出元素的相对精度。

        可以创建一个将 mse 与 feedforwardnet 或 cascadeforwardnet 搭配使用的标准网络。要准备使用 mse 训练的自定义网络,请将 net.performFcn 设置为 'mse'。这会自动将 net.performParam 设置为具有默认可选参数值的结构体。

        mse 是网络性能函数。它根据均方误差来衡量网络性能。

示例

使用 mse 性能函数训练神经网络

        此示例说明如何使用 mse 性能函数训练神经网络。

        此处创建并训练一个两层前馈网络,以使用 mse 性能函数和正则化值 0.01 来估计体脂百分比。

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

        MSE 是 feedforwardnet 的默认性能函数。

net.performFcn

        训练网络并评估性能。

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

        也可以直接调用 mse。

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

参数说明

net — 输入矩阵

        要计算其性能的网络,指定为 SeriesNetwork 或 DAGNetwork 对象。

t — 目标

        目标,指定为矩阵或元胞数组。

y — 输出

        输出,指定为矩阵或元胞数组。

ew — 误差权重

        误差权重,指定为标量。

perf — 网络性能

        以均方误差表示的网络性能。文章来源地址https://www.toymoban.com/news/detail-717234.html

到了这里,关于MATLAB中mse函数用法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • MATLAB中padarray函数用法

    目录 语法 说明 示例 向二维和三维数组添加填充值         padarray函数的功能是填充数组。 B = padarray(A,padsize) 填充数组 A,每个维度的填充量由 padsize 指定。padarray 函数用值 0 填充数值或逻辑图像,用类别 undefined 填充分类图像。默认情况下,paddarray 在每个维度的第一个

    2024年01月17日
    浏览(47)
  • MATLAB中var函数用法

    目录 语法 说明 示例 矩阵方差 数组方差 指定方差权重向量 指定方差的维度 数组页的方差 排除缺失值的方差 方差和均值         var函数的功能是求取方差。          V = var(A) 返回 A 沿大小大于 1 的第一个数组维度计算的元素的方差。默认情况下,方差按 N-1 实现归一

    2024年04月15日
    浏览(39)
  • matlab--solve函数的用法

    目录 1.用法结构 2.解单变量方程 3.解多变量方程  4.解带参方程 5.解不等式 6.总结 solve函数是MATLAB中的一个符号计算函数,用于求解方程组或方程的符号解。 它的用法如下: 定义符号变量:使用syms函数定义符号变量,例如:syms x y z; 定义方程或方程组:将方程或方程组表示

    2023年04月16日
    浏览(39)
  • MATLAB中residue函数用法

    目录 语法 说明 示例 求解具有实根的部分分式展开式 展开具有复数根和同次分子及分母的分式 展开分子次数高于分母次数的分式          residue函数的功能是部分分式展开(部分分式分解)。 [r,p,k] = residue(b,a) 计算以如下形式展开的两个多项式之比的 部分分式展开式

    2024年02月10日
    浏览(35)
  • 【MATLAB】find函数及其用法

            返回一个包含数组 X 中每个 非零元素的线性索引向量 。         如果 X 为向量,则 find 返回方向与X相同的向量。如果 X 为多维数组,则 find 返回由结果的 线性索引组成的列向量 。如果 X 包含非零元素或为空,则 find 返回一个空数组。         线性索引组

    2023年04月09日
    浏览(46)
  • MATLAB中step函数的用法

    MATLAB中step函数的用法 step函数是MATLAB中的一个重要函数,用于绘制系统的阶跃响应图。它可以帮助工程师和科学家分析和设计控制系统。本文将详细介绍step函数的用法,并提供相应的源代码示例。 step函数的基本用法如下: 其中,sys是一个线性系统模型对象,可以是连续时间

    2024年02月03日
    浏览(49)
  • MATLAB中sort函数的用法大全

    1.sort的基本用法 MATLAB中的sort函数用于对数组进行排序。最基本的用法是: sortedArray = sort(Array); 这会按照升序对数组进行排序。要按降序排序,你可以使用\\\'descend\\\'选项: sortedArray = sort(Array, \\\'descend\\\'); 如果你的数组是多维的,你可以指定你要排序的维度。例如,要按列排序,你

    2024年04月22日
    浏览(43)
  • Matlab中exp(x)函数的用法

    Y=exp(X)为数组X中的每个元素返回指数 e x e^x e x 。对于复数元素z=x+iy,它返回以下复指数 e z = e x ( c o s y + i s i n y ) e^{z}=e^x(cosy+isiny) e z = e x ( cosy + i s in y ) 。 使用expm计算矩阵指数。 计算1的指数,它是欧拉数e。 欧拉恒等式即等式 e i π + 1 = 0 e^{ipi}+1=0 e iπ + 1 = 0 。 计算 e i π

    2024年02月12日
    浏览(39)
  • 图像处理之matlab中fspecial函数用法详解

    一、fspecial()函数基本调用格式 通过在matlab的命令行窗口输入: help fspecial ,可以查看到以下说明: 总结一下fspecial函数有三种语法格式: (1) h=fspecial(type) (2) h=fspecial(type,para) (3) h=fspecial(type,para,sigma) 其中 type用于指定滤波器种类,para用于对具体滤波器种类添加额外的

    2024年02月03日
    浏览(68)
  • 图像处理之matlab中imnoise函数用法详解

    一、图像噪声基本概念 噪声在图像上常表现为引起较强视觉效果的孤立像素点或像素块。一般噪声信号与要研究的对象不相关,其以无用的信息形式出现,扰乱图像的可观测信息 。通俗的说即噪声让图像不清楚。 二、常见噪声的分类 1、高斯噪声 高斯噪声是指 其概率密度函

    2024年02月09日
    浏览(53)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包