mse
Función de rendimiento normalizada de error cuadrático medio
Sintaxis
Descripción
Sugerencia
Para usar el error cuadrático medio con deep learning, use regressionLayer
, o use el mse del método dlarray
.
usa una red neuronal (perf
= mse(net
,t
,y
,ew
)net
), una matriz o un arreglo de celdas de objetivos (t
), una matriz o un arreglo de celdas de salidas (y
) y pesos de error (ew
), y devuelve el error cuadrático medio.
Esta función tiene dos parámetros opcionales, que se asocian con las redes cuyo valor net.trainFcn
se establece en esta función:
'regularization'
se puede establecer en cualquier valor entre 0 y 1. Cuanto mayor sea el valor de regularización, más sesgos y pesos cuadráticos se incluirán en el cálculo de rendimiento relativo a los errores. El valor predeterminado es 0, que corresponde a ninguna regularización.'normalization'
se puede establecer en'none'
(valor predeterminado);'standard'
, que normaliza los errores entre -2 y 2, correspondientes a normalizar las salidas y los objetivos entre -1 y 1; y'percent'
, que normaliza los errores entre -1 y 1. Esta funcionalidad es útil para redes con salidas de varios elementos. Garantiza que la precisión relativa de los elementos de salida con diferentes intervalos de valores objetivo se traten con la misma importancia, en lugar de priorizar la precisión relativa del elemento de salida que tenga el intervalo de valores objetivo más grande.
Puede crear una red estándar que use mse
con feedforwardnet
o cascadeforwardnet
. Para preparar una red personalizada que se entrene con mse
, establezca net.performFcn
como 'mse'
. Esto establece net.performParam
automáticamente como una estructura con los valores de parámetros opcionales predeterminados.
mse
es una función de rendimiento de red. Mide el rendimiento de la red de acuerdo con la media de errores cuadráticos.
Ejemplos
Argumentos de entrada
Argumentos de salida
Historial de versiones
Introducido antes de R2006a