主要内容

regressionLayer

回归输出层

所有的页面崩溃

语法

层= regressionLayer
层= regressionLayer(名称、值)

描述

一层回归计算half-mean-squared-error损失回归任务。

层= regressionLayer返回一个回归神经网络作为输出层RegressionOutputLayer对象。

预测反应训练回归网络的使用预测。正常化的反应经常帮助稳定和加快训练神经网络回归。有关更多信息,请参见火车卷积神经网络回归。

例子

层= regressionLayer (名称,值)设置可选的名字和ResponseNames属性使用名称-值对。例如,regressionLayer(“名字”,“输出”)创建一个回归层的名字“输出”。在单引号附上每个属性的名字。

例子

全部折叠

打开生活的脚本

创建一个回归输出层的名字“routput”。

层= regressionLayer (“名字”,“routput”)
层= RegressionOutputLayer属性:名称:“routput”ResponseNames: {} Hyperparameters LossFunction:的均方误差

的默认损失函数回归是均方误差。

包括一系列回归输出层的层。

层= […imageInputLayer([1] 28日28日)convolution2dLayer(12日25)reluLayer fullyConnectedLayer (1) regressionLayer]
层= 5 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”二维卷积25 12 x12的隆起与步幅[1]和填充[0 0 0 0]3”ReLU ReLU 4”完全连接1完全连接层5”回归输出均方误差

输入参数

全部折叠

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:regressionLayer(“名字”,“输出”)创建一个回归层的名字“输出”

图层名称,指定为一个特征向量或字符串标量。为层数组输入,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动分配名称层的名称”。

数据类型:字符|字符串

反应的名称,指定单元阵列特征向量或一个字符串数组。在训练时,软件自动设置名称根据训练数据的响应。默认值是{}。

数据类型:细胞

输出参数

全部折叠

回归输出层,作为一个返回RegressionOutputLayer对象。

更多关于

全部折叠

回归输出层

一层回归计算half-mean-squared-error损失回归任务。对于典型的回归问题,回归层必须遵循最终完全连接层。

一个观察,均方误差是由:

均方误差 = ∑ 我 = 1 R ( t 我 − y 我 ) 2 R ,

在哪里R是反应的数量,t我是目标输出,y我网络的预测反应吗我。

对于图像和sequence-to-one回归网络,损失函数的回归层是half-mean-squared-error预测反应,没有规范化R:

损失 = 1 2 ∑ 我 = 1 R ( t 我 − y 我 ) 2 。

image-to-image回归网络,回归的损失函数层是half-mean-squared-error预测反应的每个像素,没有规范化R:

损失 = 1 2 ∑ p = 1 H W C ( t p − y p ) 2 ,

在哪里H,W,C表示高度、宽度和输出的通道数,分别p为每个元素(像素)的索引t和y线性。

sequence-to-sequence回归网络,回归层的损失函数的half-mean-squared-error预测为每个时间步反应,没有规范化R:

损失 = 1 2 年代 ∑ 我 = 1 年代 ∑ j = 1 R ( t 我 j − y 我 j ) 2 ,

在哪里年代是序列长度。

训练时,软件计算的平均损失mini-batch观测。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

版本历史

介绍了R2017a

另请参阅

||

主题