sse

R2026b

(削除予定) 残差平方和性能関数

ページ内をすべて折りたたむ

sse は将来のリリースで削除される予定です。詳細については、レガシ ニューラル ネットワーク コードの dlnetwork ワークフローへの移行を参照してください。

コードの更新に関するアドバイスについては、バージョン履歴を参照してください。

構文

perf = sse(net,t,y,ew)
perf = sse(net,t,y,ew,Name,Value)

説明

perf = sse(net,t,y,ew) は、ネットワーク net、ターゲット T、出力 Y、およびオプションで誤差の重み EW を取り、残差平方和として計算されたネットワーク性能を返します。

sse は、ネットワーク性能関数です。残差平方和に従って性能を測定します。

例

perf = sse(net,t,y,ew,Name,Value) は、誤差の正則化と出力およびターゲットの正規化を設定する 2 つのオプションの関数パラメーターをもちます。

sse は、ネットワーク性能関数です。残差平方和に従って性能を測定します。

例

すべて折りたたむ

この例では、sse 関数を使用してフィードフォワード ネットワークの性能を計算する方法を示します。

単純な近似データ セットのデータを使用してネットワークを作成し、その学習を行って、その性能を計算します。

[x,t] = simplefit_dataset;
net = fitnet(10);
net.performFcn = 'sse';
net = train(net,x,t)
y = net(x)
e = t-y
perf = sse(net,t,y)

入力引数

すべて折りたたむ

入力ネットワーク。ネットワーク オブジェクトとして指定します。ネットワーク オブジェクトを作成するには、feedforwardnet、narxnet などを使用します。

ネットワークのターゲット。行列または cell 配列として指定します。

ネットワークの出力。行列または cell 配列として指定します。

誤差の重み。ベクトル、行列、または cell 配列として指定します。

誤差の重みは、サンプル、出力要素、タイム ステップ、またはネットワーク出力で定義できます。

ew = [1.0 0.5 0.7 0.2]; % Across 4 samples
ew = [0.1; 0.5; 1.0]; % Across 3 elements
ew = {0.1 0.2 0.3 0.5 1.0}; % Across 5 timesteps
ew = {1.0; 0.5}; % Across 2 outputs

誤差の重みは、4 つのタイム ステップの 2 つの時系列 (2 つのサンプル) など、任意の組み合わせで定義することもできます。

ew = {[0.5 0.4],[0.3 0.5],[1.0 1.0],[0.7 0.5]};

一般的なケースでは、誤差の重みの次元はターゲットとまったく同じであり、各ターゲット値に誤差の重みが関連付けられます。

既定の誤差の重みでは、すべての誤差が同様に扱われます。

ew = {1}

名前と値の引数

すべて折りたたむ

例: 'regularization',0.1

オプションの引数 Name,Value のコンマ区切りペアを指定します。Name は引数名で、Value は対応する値です。Name は引用符で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を、任意の順番で指定できます。

重みとバイアスの値による性能の割合。'regularization' と0 ～ 1 の整数で構成されるコンマ区切りのペアとして指定します。この値が大きいほど、より大きな重みに対するペナルティがネットワークに課され、ネットワーク関数で過適合を回避できる可能性が高くなります。

出力とターゲットの正規化。'normalization'、および次のいずれかで構成されるコンマ区切りのペアとして指定します。

  • 'none' — 正規化は実行されません。

  • 'standard' — 出力とターゲットが [-1, +1] に正規化され、それにより誤差は [-2, +2] に正規化されます。

  • 'percent' — 出力とターゲットが [-0.5, +0.5] に正規化され、それにより誤差は [-1, +1] に正規化されます。

出力引数

すべて折りたたむ

残差平方和として計算されたネットワーク性能。スカラーとして返されます。

詳細

すべて折りたたむ

バージョン履歴

R2006a より前に導入

すべて折りたたむ

参考

| (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox) | | |

トピック