均方误差
均方归一化误差性能函数
描述
提示
用均方误差与深度学习、使用regressionLayer
,或使用dlarray
均方误差的方法。
神经网络,性能
= mse (净
,t
,y
,电子战
)净
,一个矩阵或单元阵列的目标,t
,一个矩阵或单元阵列的输出,y
错误的重量,电子战
均方误差,并返回。
这个函数有两个可选参数,与网络相关联的net.trainFcn
将这个函数:
“正规化”
可以设置为任何值在0和1之间。正则化值越大,越平方重量和偏见都包含在性能计算相对误差。默认是0,对应于不正规化。“归一化”
可以设置为“没有”
(默认);“标准”
2和2之间,纠正错误,对应于正常化1和1之间的输出和目标;和“百分比”
1和1之间,纠正错误。这个特性与多输出网络是很有用的。它确保输出元素的相对精度不同目标值范围被视为同样重要的是,而不是优先输出元素的相对精度最大的目标值范围内。
您可以创建一个标准的网络使用均方误差
与feedforwardnet
或cascadeforwardnet
。准备一个定制的网络培训均方误差
,设置net.performFcn
来mse的
。该自动设置net.performParam
与默认的可选参数值的结构。
均方误差
是一个网络性能函数。它衡量网络的性能根据平方误差的均值。