regressionLayer

회귀 출력 계층

구문

layer = regressionLayer

layer = regressionLayer(Name,Value)

설명

회귀 계층은 회귀 작업의 손실을 평균 제곱 오차의 절반을 취한 값으로 계산합니다.

layer = regressionLayer는 신경망의 출력 계층을 RegressionOutputLayer 객체로 반환합니다.

predict를 사용하여 훈련된 회귀 신경망의 응답 변수를 예측합니다. 응답 변수를 정규화하면 회귀를 위한 신경망 훈련을 안정화하고 속도를 높이는 데 도움이 되는 경우가 많습니다. 자세한 내용은 회귀를 위해 컨벌루션 신경망 훈련시키기 항목을 참조하십시오.

layer = regressionLayer(Name,Value)는 이름-값 쌍을 사용하여 선택적 Name과 ResponseNames 속성을 설정합니다. 예를 들어, regressionLayer('Name','output')은 이름이 'output'인 회귀 계층을 만듭니다. 각 속성 이름을 작은따옴표로 묶습니다.

예제

회귀 출력 계층 만들기

이름이 'routput'인 회귀 출력 계층을 만듭니다.

layer = regressionLayer('Name','routput')

layer = 
  RegressionOutputLayer with properties:

             Name: 'routput'
    ResponseNames: {}

   Hyperparameters
     LossFunction: 'mean-squared-error'

회귀의 디폴트 손실 함수는 평균 제곱 오차입니다.

Layer 배열에 회귀 출력 계층을 삽입합니다.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(12,25)
    reluLayer
    fullyConnectedLayer(1)
    regressionLayer]

layers = 
  5x1 Layer array with layers:

     1   ''   Image Input         28x28x1 images with 'zerocenter' normalization
     2   ''   2-D Convolution     25 12x12 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                ReLU
     4   ''   Fully Connected     1 fully connected layer
     5   ''   Regression Output   mean-squared-error

입력 인수

이름-값 인수

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

R2021a 이전 릴리스에서는 쉼표를 사용하여 각 이름과 값을 구분하고 Name을 따옴표로 묶으십시오.

예: regressionLayer('Name','output')은 이름이 'output'인 회귀 계층을 만듭니다.

Name — 계층 이름

'' (디폴트 값) | 문자형 벡터 | string형 스칼라

계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. Layer 배열 입력값에 대해 trainNetwork, assembleNetwork, layerGraph, dlnetwork 함수는 이름이 ''인 계층에 자동으로 이름을 할당합니다.

데이터형: char | string

ResponseNames — 응답 변수의 이름

{} (디폴트 값) | 문자형 벡터로 구성된 셀형 배열 | string형 배열

응답 변수의 이름으로, 문자형 벡터로 구성된 셀형 배열 또는 string형 배열로 지정됩니다. 소프트웨어는 훈련 시점에 훈련 데이터에 따라 자동으로 응답 변수의 이름을 설정합니다. 디폴트 값은 {}입니다.

데이터형: cell

출력 인수

layer — 회귀 출력 계층

RegressionOutputLayer 객체

회귀 출력 계층으로, RegressionOutputLayer 객체로 반환됩니다.

세부 정보

회귀 출력 계층

회귀 계층은 회귀 작업의 손실을 평균 제곱 오차의 절반을 취한 값으로 계산합니다. 일반적인 회귀 문제에서 회귀 계층은 마지막 완전 연결 계층 뒤에 와야 합니다.

단일 관측값에 대해 평균 제곱 오차는 다음과 같이 표현됩니다.

$$\text{MSE}={\displaystyle \sum }_{i=1}^R\frac{{(t_i-y_i)}^2}{R},$$

여기서 R은 응답 변수의 개수이고, t_i는 목표 출력값이고, y_i는 i번째 응답 변수에 대한 신경망의 예측값입니다.

영상 및 sequence-to-one 회귀 신경망의 경우, 회귀 계층의 손실 함수는 R에 의해 정규화되지 않은, 예측된 응답의 평균 제곱 오차의 절반입니다.

$$\text{loss}=\frac{1}{2}{\displaystyle \sum }_{i=1}^R{(t_i-y_i)}^2.$$

image-to-image 회귀 신경망의 경우, 회귀 계층의 손실 함수는 R에 의해 정규화되지 않은, 각 픽셀에 대해 예측된 응답의 평균 제곱 오차의 절반입니다.

$$\text{loss}=\frac{1}{2}{\displaystyle \sum }_{p=1}^{HWC}{(t_p-y_p)}^2,$$

여기서 H, W, C는 각각 출력값의 높이, 너비, 채널 개수를 나타내고, p는 t와 y의 각 요소(픽셀)를 선형적으로 참조합니다.

sequence-to-sequence 회귀 신경망의 경우, 회귀 계층의 손실 함수는 R에 의해 정규화되지 않은, 각 시간 스텝에 대해 예측된 응답의 평균 제곱 오차의 절반입니다.

$$\text{loss}=\frac{1}{2S}{\displaystyle \sum }_{i=1}^S{\displaystyle \sum }_{j=1}^R{(t_{ij}-y_{ij})}^2,$$

여기서 S는 시퀀스 길이입니다.

훈련 시에 소프트웨어는 미니 배치에 있는 관측값에 대해 손실 평균을 계산합니다.

확장 기능

C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

GPU 코드 생성
GPU Coder™를 사용하여 NVIDIA® GPU용 CUDA® 코드를 생성할 수 있습니다.

버전 내역

R2017a에 개발됨

참고 항목

RegressionOutputLayer | fullyConnectedLayer | classificationLayer

도움말 항목

• MATLAB의 딥러닝
• 회귀를 위해 컨벌루션 신경망 훈련시키기

×

예제 열기

이 예제의 수정된 버전이 있습니다. 사용자가 편집한 내용을 반영하여 이 예제를 여시겠습니까?

아니요, 수정된 버전을 덮어씁니다. 예