Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

RegressionOutputLayer

Capa de salida de regresión

Descripción

Una capa de regresión calcula la pérdida del error cuadrático medio dividido de las tareas de regresión.

Creación

Cree una capa de salida de regresión utilizando regressionLayer.

Propiedades

expandir todo

Salida de regresión

Nombres de las respuestas, especificados como un arreglo de celdas de vectores de caracteres o como un arreglo de cadena. En el momento del entrenamiento, el software establece automáticamente los nombres de respuestas de acuerdo con los datos del entrenamiento. El valor predeterminado es {}.

Tipos de datos: cell

Función de pérdida que utiliza el software para el entrenamiento, especificada como 'mean-squared-error'.

Capa

Nombre de la capa, especificado como un vector de caracteres o un escalar de cadena. Para entradas en forma de arreglo Layer, las funciones trainnet, trainNetwork, assembleNetwork, layerGraph y dlnetwork asignan automáticamente nombres a las capas con el nombre "".

El objeto RegressionOutputLayer almacena esta propiedad como un vector de caracteres.

Tipos de datos: char | string

Esta propiedad o parámetro es de solo lectura.

Número de entradas a la capa, devuelto como 1. Esta capa solo admite una entrada.

Tipos de datos: double

Esta propiedad o parámetro es de solo lectura.

Nombres de entrada, devueltos como {'in'}. Esta capa solo admite una entrada.

Tipos de datos: cell

Número de salidas de la capa. La capa no tiene salidas.

Tipos de datos: double

Nombres de las salidas de la capa. La capa no tiene salidas.

Tipos de datos: cell

Ejemplos

contraer todo

Cree una capa de salida de regresión con el nombre 'routput'.

layer = regressionLayer('Name','routput')
layer = 
  RegressionOutputLayer with properties:

             Name: 'routput'
    ResponseNames: {}

   Hyperparameters
     LossFunction: 'mean-squared-error'

La función de pérdida predeterminada de la regresión es el error cuadrático medio.

Incluya una capa de salida de regresión en un arreglo de capas.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(12,25)
    reluLayer
    fullyConnectedLayer(1)
    regressionLayer]
layers = 
  5x1 Layer array with layers:

     1   ''   Image Input         28x28x1 images with 'zerocenter' normalization
     2   ''   2-D Convolution     25 12x12 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                ReLU
     4   ''   Fully Connected     1 fully connected layer
     5   ''   Regression Output   mean-squared-error

Más acerca de

expandir todo

Historial de versiones

Introducido en R2017a