在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t2和x2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/