Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

RegressionOutputLayer

説明

回帰層は、回帰タスクの半平均二乗誤差損失を計算します。

作成

regressionLayer を使用して回帰出力層を作成します。

プロパティ

すべて展開する

回帰出力

応答の名前。文字ベクトルの cell 配列、または string 配列として指定します。学習時に、学習データに従って応答名が自動的に設定されます。既定値は {} です。

データ型: cell

学習に使用される損失関数。'mean-squared-error' として指定します。

層の名前。文字ベクトルまたは string スカラーとして指定します。層グラフに層を含めるには、層に空ではない一意の名前を指定しなければなりません。この層が含まれる系列ネットワークに学習させて Name'' に設定すると、学習時に層に名前が自動的に割り当てられます。

データ型: char | string

層の入力の数。この層は単一の入力のみを受け入れます。

データ型: double

層の入力名。この層は単一の入力のみを受け入れます。

データ型: cell

層の出力の数。この層には出力がありません。

データ型: double

層の出力名。この層には出力がありません。

データ型: cell

すべて折りたたむ

'routput' という名前の回帰出力層を作成します。

layer = regressionLayer('Name','routput')
layer = 
  RegressionOutputLayer with properties:

             Name: 'routput'
    ResponseNames: {}

   Hyperparameters
     LossFunction: 'mean-squared-error'

回帰用の既定の損失関数は、平均二乗誤差です。

Layer 配列に回帰出力層を含めます。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(12,25)
    reluLayer
    fullyConnectedLayer(1)
    regressionLayer]
layers = 
  5x1 Layer array with layers:

     1   ''   Image Input         28x28x1 images with 'zerocenter' normalization
     2   ''   Convolution         25 12x12 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                ReLU
     4   ''   Fully Connected     1 fully connected layer
     5   ''   Regression Output   mean-squared-error

詳細

すべて展開する

R2017a で導入