主要内容

regressionLayer

创建一个回归输出层

全部折叠到页面中

语法

层= regressionLayer
层= regressionLayer(名称、值)

描述

回归层计算回归任务的半均方误差损失。

层= regressionLayer返回一个神经网络的回归输出层作为RegressionOutputLayer对象。

预测响应的训练回归网络使用预测．将反应常态化有助于稳定和加快神经网络的回归训练。有关更多信息，请参见训练卷积神经网络回归．

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”)创建具有此名称的回归层“输出”．将每个属性名称用单引号括起来。

例子

全部折叠

打开生活的脚本

创建一个带有名称的回归输出层“routput”．

层= regressionLayer (“名字”，“routput”）
ResponseNames: {} Hyperparameters LossFunction: 'mean-square -error'

默认的回归损失函数是均方误差。

在层数组中包含一个回归输出层。

层= [．．.imageInputLayer([28 28 1])卷积2dlayer (12,25) reluLayer fullconnectedlayer (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”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-值对的观点

指定可选的逗号分隔对名称,值参数。的名字参数名和价值是对应的值。的名字必须出现在引号内。您可以按如下顺序指定几个名称和值对参数Name1, Value1,…,的家．

例子:regressionLayer(“名字”,“输出”)创建具有此名称的回归层“输出”

层名，指定为字符向量或字符串标量。要在层图中包含层，必须指定一个非空的、唯一的层名。如果你训练一个系列网络层和的名字被设置为＇＇，然后该软件在训练时自动为该层指定一个名称。

数据类型:字符|字符串

响应的名称，指定一个单元格数组的字符向量或字符串数组。在培训时，软件根据培训数据自动设置响应名称。默认值是｛｝．

数据类型:细胞

输出参数

全部折叠

回归输出层，返回为RegressionOutputLayer对象。

更多关于

全部折叠

回归输出层

回归层计算回归任务的半均方误差损失。对于典型的回归问题，回归层必须遵循最终的全连接层。

对于单个观测，均方误差为:

均方误差 ＝ ∑ 我 ＝ 1 R （ t 我 − y 我 ） 2 R ，

在哪里R是反应的数量，t我目标输出，和y我是网络对反应的预测吗我．

对于图像和序列到一的回归网络，回归层的损失函数是预测响应的半均方误差，没有归一化R：

损失 ＝ 1 2 ∑ 我 ＝ 1 R （ t 我 − y 我 ） 2 ．

对于图像到图像的回归网络，回归层的损失函数是每个像素的预测响应的半均方误差，不归一化R：

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

在哪里H，W,C分别表示输出通道的高度、宽度和通道数p的每个元素(像素)的索引t和y线性。

对于序列到序列的回归网络，回归层的损失函数是每个时间步长的预测响应的半均方误差，不归一化R：

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

在哪里年代为序列长度。

在训练时，该软件计算了小批观测数据的平均损失。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

另请参阅

||

主题

介绍了R2017a

深度学习工具箱文档

万博1manbetx

介绍MATLAB深度学习

介绍MATLAB深度学习

下载电子书