the documentation中,我们正在训练10个不同的神经网络,每个神经网络都使用不同的权重和偏差进行初始化。 net是用于构建神经网络的变量,x1是训练数据集,t1是训练中使用的已知标签,x2是测试数据集,t2是测试标签。每个神经网络都存储在单元变量NN{}中。

训练后,使用测试集t2x2完成评估,但是,通过mse(net, t2, y2)完成mse计算。我认为正确的陈述应该是mse(NN{i}, t2, y2),因为NN{}是训练后的模型,不是net只是结构。下面是链接中给出的代码。

函数调用应该是mse(NN{i}, t2, y2)而不是mse(net, t2, y2)吗?

net = feedforwardnet(10);
numNN = 10;
NN = cell(1, numNN);
perfs = zeros(1, numNN);
for i = 1:numNN
  fprintf('Training %d/%d\n', i, numNN);
  NN{i} = train(net, x1, t1);
  y2 = NN{i}(x2);
  perfs(i) = mse(net, t2, y2);
end

最佳答案

mse是网络性能功能。它衡量了网络的
  根据平方误差的均值来确定性能。
  
  perf = mse(net,t,y,ew)采用以下参数:
  
  
  net神经网络
  t目标矩阵或单元格数组
  y输出的矩阵或单元格数组
  ew错误权重(可选)
  


按照documentation of mse。因此,第一个参数应该是neural network类型的结构,在该示例中,NN{i}包含在y2中,因此是输出矩阵。

关于matlab - MATLAB文档中提供的用于训练多个NN的示例代码有误,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/56119750/

10-12 22:50