このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

mae

平均絶対誤差性能関数

構文

perf = mae(E,Y,X)

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

info = mae('code')

説明

ヒント

深層学習で平均絶対誤差を使用するには、trainnet 関数を使用して損失関数を "mae" に設定するか、dlarray オブジェクトに対して l1loss 関数を使用します。

perf = mae(E,Y,X) は、誤差ベクトルの行列または cell 配列 E、およびオプションで出力ベクトルの行列または cell 配列 Y、すべての重み値とバイアス値のベクトルの行列または cell 配列 X を取り、ネットワーク性能 perf を絶対誤差の平均として返します。

dPerf_dx = mae('dx',E,Y,X,perf) は、X に対する perf の微分を返します。

info = mae('code') は、次の各 code 文字ベクトルに関する有用な情報を返します。

• mae('name') は、この関数の名前を返します。

• mae('pnames') は、学習パラメーターの名前を返します。

• mae('pdefaults') は、既定の関数パラメーターを返します。

例

'mae' によるネットワーク性能の計算

この例では、絶対誤差の平均としてネットワーク性能を計算する方法を示します。

パーセプトロンを作成し、1 つの入力と 1 つのニューロンを持つように構成します。

net = perceptron;
net = configure(net,0,0);

ネットワークには入力のバッチ P が指定されます。ターゲット T から出力 A を引いて誤差が計算されます。次に、平均絶対誤差が計算されます。

p = [-10 -5 0 5 10];
t = [0 0 1 1 1];
y = net(p)
e = t-y
perf = mae(e)

mae は 1 つの引数のみで呼び出せることに注意してください。これは、他の引数が無視されるためです。mae は、これらの引数が標準的な性能関数の引数リストに準拠するようにサポートします。

入力引数

E — 誤差

ベクトル | 行列 | cell 配列

誤差。ベクトル、行列、または cell 配列として指定します。

Y — 出力

ベクトル | 行列 | cell 配列

ネットワークの出力。ベクトル、行列、または cell 配列として指定します。

X — 重みとバイアス

ベクトル

重みとバイアスの値。ベクトルとして指定します。

出力引数

perf — ネットワーク性能

スカラー

絶対誤差の平均としてのネットワーク性能。スカラーとして返されます。

dPerf_dx — ネットワーク性能の微分

スカラー

X に対する perf の微分。スカラーとして返されます。

詳細

ネットワークの利用

perceptron で mae を使用する標準的なネットワークを作成できます。

mae を使用して学習が行われるようにカスタム ネットワークを準備するには、net.performFcn を 'mae' に設定します。これにより、net.performParam が空行列 [] に自動的に設定されます。これは、mae には性能パラメーターがないためです。

どちらの場合も、train または adapt を呼び出すと、mae を使用して性能が計算されます。

バージョン履歴

R2006a より前に導入

参考

mse | perceptron