Main Content

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

示例

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

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

网络使用

您可以创建一个将 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。

版本历史记录

在 R2006a 之前推出

另请参阅

|