主要内容

MSE

半均匀的误差

页面上倒塌

句法

dly = mse（DLX，目标）
Dly = MSE（DLX，Targets，'dataformat'，fmt）

描述

半平方平方误差操作计算回归任务的网络预测和目标值之间的半平均误差损失。

使用以下公式计算损失

损失 = 1 2 N σ. 一世 = 1 m （ X 一世 - T. 一世 ） 2

在哪里X一世是网络响应，T.一世是目标值，m是答复总数X（在所有观察中），和N是总数的观察数X。

笔记

该功能计算存储为的预测和目标之间的半平均断线丢失dlarray.数据。如果要计算半平均平方损失分层图对象或者层阵列使用Trainnetwork.，使用以下图层：

例子

d= MSE（DLX.那目标）计算预测之间的半平均平方误差DLX.和目标值目标为了回归问题。输入DLX.是一个格式化的dlarray.有维标签。输出d是一个未格式化的标量dlarray.没有维度标签。

d= MSE（DLX.那目标，'dataformat'，FMT.）还指定维度格式FMT.什么时候DLX.不是格式化的dlarray.。

例子

全部收缩

半平方平方误差评估网络预测对应于目标值的程度。

创建输入预测作为随机值的单一观察，其高度和宽度为六个和单个通道。

高度= 6;宽度= 6;频道= 1;观察= 1;x = rand（高度，宽度，频道，观察）;dlx = dlarray（x，'SSCB'）

将目标值创建为具有与输入数据相同的维度顺序的数字阵列DLX.。

目标=（高度，宽度，频道，观察）;

计算预测和目标之间的半平均平方误差。

dly = mse（DLX，目标）
dly = 1x1 dlarray 5.2061

输入参数

全部收缩

预测，指定为adlarray.有或没有维标签或数字数组。什么时候DLX.不是格式化的dlarray.，您必须使用尺寸标签格式使用'dataformat'，fmt。如果DLX.是一个数字数组，目标必须是A.dlarray.。

数据类型：单身的|双倍的

目标值，指定为格式或未格式化dlarray.或数字数组。

如果目标是一个格式化的dlarray.，其维度格式必须与格式相同X，或者是一样的'datomformat'如果X是不格式化的

如果目标是一个无格式化的人dlarray.或数字数组，大小目标必须与之匹配X。格式X或者价值'datomformat'隐含地应用于目标。

数据类型：单身的|双倍的

未格式化的输入数据的维度顺序，指定为逗号分隔对组成'datomformat'和一个字符数组或字符串FMT.为数据的每个维度提供标签。每个角色FMT.必须是以下之一：

  • '- 空间

  • 'C'- 渠道

  • 'B'- 批次（例如，样品和观察）

  • 'T'- 时间（例如，序列）

  • 'U'- 未指定

您可以指定标记的多个维度'要么'U'。您可以使用标签'C'那'B'， 和'T'最多一次。

您必须指定'dataformat'，fmt当输入数据时DLX.不是格式化的dlarray.。

例子：'dataformat'，'sscb'

数据类型：char|细绳

输出参数

全部收缩

半平方平方错误丢失，作为一个返回dlarray.标量没有维标签。输出d具有与输入相同的底层数据类型DLX.。

更多关于

全部收缩

半均匀的平方损失

这MSE功能计算回归问题的半平均断线丢失。有关更多信息，请参阅定义回归输出层在这一点回归outputLayer.参考页面。

扩展能力

也可以看看

||||||

话题

在R2019B中介绍

深度学习工具箱文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书