La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
mse
Fonction de performance d’erreur quadratique moyenne normalisée
Syntaxe
Description
Conseil
Pour utiliser l’erreur quadratique moyenne avec Deep Learning, utilisez regressionLayer
ou utilisez la méthode dlarray
mse.
prend un réseau de neurones, perf
= mse(net
,t
,y
,ew
)net
, une matrice ou un cell array de cibles, t
, une matrice ou un cell array de sorties, y
et des poids d’erreur, ew
, et renvoie l’erreur quadratique moyenne.
Cette fonction a deux paramètres optionnels qui sont associés aux réseaux pour lesquels net.trainFcn
est défini à cette fonction :
'regularization'
peut être défini à n’importe quelle valeur entre 0 et 1. Plus la valeur de régularisation est élevée, plus de poids et biais au carré sont inclus dans le calcul de performance par rapport aux erreurs. La valeur par défaut est 0, soit aucune régularisation.'normalization'
peut être défini à'none'
(valeur par défaut),'standard'
, qui normalise les erreurs entre -2 et 2, ce qui correspond à la normalisation des sorties et cibles entre -1 et 1, et'percent'
, qui normalise les erreurs entre -1 et 1. Cette fonctionnalité est utile pour les réseaux avec des sorties multi-éléments. Elle garantit que les précisions relatives des éléments de sortie avec des plages de valeurs cibles différentes sont traitées avec une importance égale, au lieu de prioriser la précision relative de l’élément de sortie avec la plage de valeurs cibles la plus grande.
Vous pouvez créer un réseau standard qui utilise mse
avec feedforwardnet
ou cascadeforwardnet
. Pour préparer un réseau personnalisé à être entraîner avec mse
, définissez net.performFcn
à 'mse'
. net.performParam
est alors automatiquement défini comme une structure avec les valeurs des paramètres optionnels par défaut.
mse
est une fonction de performance du réseau. Elle mesure les performances du réseau selon la moyenne des erreurs quadratiques.
Exemples
Arguments d'entrée
Arguments de sortie
Historique des versions
Introduit avant R2006a