目录
mae函数的功能是均值绝对误差性能函数。
语法
perf = mae(E,Y,X)
dPerf_dx = mae('dx',E,Y,X,perf)
info = mae('code')
说明
perf = mae(E,Y,X) 接受由误差向量组成的矩阵或元胞数组 E、可选的由输出向量组成的矩阵或元胞数组 Y、由所有权重和偏置值组成的向量 X,并以绝对误差的均值 perf 形式返回网络性能。
dPerf_dx = mae('dx',E,Y,X,perf) 返回 perf 关于 X 的导数。
info = mae('code') 返回每个 code 字符向量的有用信息:
-
mae('name') 返回此函数的名称。
-
mae('pnames') 返回训练参数的名称。
-
mae('pdefaults') 返回默认函数参数。
示例
使用 'mae'
计算网络性能
此示例说明如何将网络性能计算为绝对误差的均值。
创建并配置一个感知器,使其具有一个输入和一个神经元:
net = perceptron;
net = configure(net,0,0);
为网络提供一个输入批量 P。通过从目标 T 中减去输出 A 来计算误差。然后计算均值绝对误差。
p = [-10 -5 0 5 10];
t = [0 0 1 1 1];
y = net(p)
e = t-y
perf = mae(e)
请注意,只能使用一个参数调用 mae,因为其他参数会被忽略。mae 支持那些符合标准性能函数参数列表的参数。
参数说明
E — 误差
误差,指定为向量、矩阵或元胞数组。
Y — 输出
网络输出,指定为向量、矩阵或元胞数组。
X — 权重和偏置
权重和偏置值,指定为向量。
perf — 网络性能
作为绝对误差均值的网络性能,以标量形式返回。
dPerf_dx — 网络性能的导数
perf 关于 X 的导数,以标量形式返回。
网络使用
可以创建一个将 mae 与 perceptron 搭配使用的标准网络。
要准备使用 mae 训练的自定义网络,请将 net.performFcn 设置为 'mae'。这会自动将 net.performParam 设置为空矩阵 [],因为 mae 没有性能参数。
在任一情况下,调用 train 或 adapt 都会导致使用 mae 计算性能。