Contenu principal

mae

Fonction de performance d’erreur absolue moyenne

Description

Conseil

Pour utiliser une erreur absolue moyenne avec le Deep Learning, utilisez la fonction trainnet et définissez la fonction de perte sur "mae" ou utilisez la fonction l1loss pour les objets dlarray.

perf = mae(E,Y,X) prend une matrice ou un cell array de vecteurs d’erreur, E, et de façon optionnelle une matrice ou un cell array de vecteurs de sortie, Y, un vecteur de toutes les valeurs de poids et de biais, X, et renvoie la performance du réseau comme étant la moyenne des erreurs absolues, perf.

exemple

dPerf_dx = mae('dx',E,Y,X,perf) renvoie la dérivée de perf par rapport à X.

info = mae('code') renvoie des informations utiles pour chaque vecteur de caractères code :

  • mae('name') renvoie le nom de cette fonction.

  • mae('pnames') renvoie les noms des paramètres d’apprentissage.

  • mae('pdefaults') renvoie les paramètres de la fonction par défaut.

Exemples

réduire tout

Cet exemple indique comment calculer la performance d’un réseau comme moyenne des erreurs absolues.

Créez et configurez un perceptron afin d’avoir une seule entrée et un seul neurone :

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

Le réseau obtient un batch d’entrées P. L’erreur est calculée en soustrayant la sortie A de la cible T. L’erreur absolue moyenne est ensuite calculée.

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

Remarque : mae ne peut être appelé qu'avec un seul argument car les autres arguments sont ignorés. mae supporte ces arguments pour se conformer à la liste d'arguments de la fonction de performance standard.

Arguments d'entrée

réduire tout

Erreurs, définies par un vecteur, une matrice ou un cell array.

Sorties du réseau, définies par un vecteur, une matrice ou un cell array.

Valeurs de poids et de biais définies par un vecteur.

Arguments de sortie

réduire tout

Performance d’un réseau en tant que moyenne des erreurs absolues, renvoyée comme un scalaire.

Dérivée de perf par rapport à X, renvoyée comme un scalaire.

En savoir plus

réduire tout

Historique des versions

Introduit avant R2006a

Voir aussi

|