mae

均值绝对误差性能函数

全页折叠

语法

perf = mae(E,Y,X)
dPerf_dx = mae('dx',E,Y,X,perf)
info = mae('code')

说明

提示

要在深度学习中使用均值绝对误差，请使用 trainnet 函数并将损失函数设置为 "mae"，或者将 l1loss 函数用于 dlarray 对象。

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。

示例

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

全部折叠

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，只能使用一个参量调用 mae，因为其他参量会被忽略。mae 支持那些符合标准性能函数参量列表的参量。

输入参数

全部折叠

误差，指定为向量、矩阵或元胞数组。

网络输出，指定为向量、矩阵或元胞数组。

权重和偏置值，指定为向量。

输出参量

全部折叠

作为绝对误差均值的网络性能，以标量形式返回。

perf 关于 X 的导数，以标量形式返回。

详细信息

全部折叠

版本历史记录

在 R2006a 之前推出

另请参阅

|