sse

(제거될 예정임) 오차제곱합 성능 함수

sse 함수는 향후 릴리스에서 제거될 예정입니다. 자세한 내용은 Transition Legacy Neural Network Code to dlnetwork Workflows 항목을 참조하십시오.

코드 업데이트에 대한 자세한 지침은 버전 내역 항목을 참조하십시오.

구문

perf = sse(net,t,y,ew)

perf = sse(net,t,y,ew,Name,Value)

설명

perf = sse(net,t,y,ew)는 신경망 net, 목표값 T, 출력값 Y, 오차 가중치 EW(선택 사항)를 받습니다. 그런 다음 오차제곱합으로 계산된 신경망 성능을 반환합니다.

sse는 신경망 성능 함수입니다. 이 함수는 신경망의 성능을 오차제곱합으로 측정합니다.

perf = sse(net,t,y,ew,Name,Value)는 오차 정규화 및 출력값과 목표값의 정규화를 설정하는 두 개의 선택적 함수 파라미터를 갖습니다.

sse는 신경망 성능 함수입니다. 이 함수는 신경망의 성능을 오차제곱합으로 측정합니다.

예제

'sse' 함수를 사용하여 신경망 성능 계산하기

이 예제에서는 sse 함수를 사용하여 피드포워드 신경망의 성능을 계산하는 방법을 보여줍니다.

간단한 피팅 데이터 세트의 데이터를 사용하여 신경망을 만들고 훈련시키고 성능을 계산합니다.

[x,t] = simplefit_dataset;
net = fitnet(10);
net.performFcn = 'sse';
net = train(net,x,t)
y = net(x)
e = t-y
perf = sse(net,t,y)

입력 인수

net — 입력 신경망

신경망

입력 신경망으로, network 객체로 지정됩니다. network 객체를 만들려면 feedforwardnet 또는 narxnet 등을 사용하십시오.

t — 신경망 목표값

행렬 | 셀형 배열

신경망 목표값으로, 행렬 또는 셀형 배열로 지정됩니다.

y — 신경망 출력값

행렬 | 셀형 배열

신경망 출력값으로, 행렬 또는 셀형 배열로 지정됩니다.

ew — 신경망 출력값

{1} (디폴트 값) | 벡터 | 행렬 | 셀형 배열

오차 가중치로, 벡터, 행렬 또는 셀형 배열로 지정됩니다.

오차 가중치는 다음과 같이 표본, 출력 요소, 시간 스텝 또는 신경망 출력값으로 정의할 수 있습니다.

ew = [1.0 0.5 0.7 0.2]; % Across 4 samples
ew = [0.1; 0.5; 1.0]; % Across 3 elements
ew = {0.1 0.2 0.3 0.5 1.0}; % Across 5 timesteps
ew = {1.0; 0.5}; % Across 2 outputs

오차 가중치를 임의의 조합으로 정의할 수도 있습니다. 예를 들어 4개의 시간 스텝에 걸쳐 2개의 시계열(즉, 2개의 표본)에서 정의할 수 있습니다.

ew = {[0.5 0.4],[0.3 0.5],[1.0 1.0],[0.7 0.5]};

일반적인 경우에는 오차 가중치가 목표값과 정확히 같은 차원을 가질 수 있는데, 이때 각 목표값은 연결된 오차 가중치를 갖게 됩니다.

디폴트 오차 가중치는 모든 오차를 동일하게 취급합니다.

ew = {1}

이름-값 인수

예: 'regularization',0.1

선택적으로 Name,Value 인수가 쉼표로 구분되어 지정됩니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. Name은 따옴표 안에 표시해야 합니다. Name1,Value1,...,NameN,ValueN과 같이 여러 개의 이름-값 쌍의 인수를 어떤 순서로든 지정할 수 있습니다.

regularization — 성능의 비율

0 (디폴트 값) | 0과 1 사이의 정수

가중치와 편향 값에 기인한 성능의 비율로, 'regularization'과 함께 0과 1 사이의 정수가 쉼표로 구분되어 지정됩니다. 이 값이 클수록 신경망에서는 더 큰 가중치에 대해 더 큰 벌점이 적용되며 신경망 함수가 과적합을 일으키지 않을 가능성이 커집니다.

normalization — 출력값과 목표값 정규화

'none' (디폴트 값) | 'standard' | 'percent'

출력값과 목표값 정규화로, 'normalization'과 함께 다음 중 하나가 쉼표로 구분되어 지정됩니다.

• 'none' — 정규화를 수행하지 않음.

• 'standard' — 출력값과 목표값을 [-1, +1]로 정규화하고 그에 따라 오차를 [-2, +2]로 정규화.

• 'percent' — 출력값과 목표값을 [-0.5, +0.5]로 정규화하고 그에 따라 오차를 [-1, +1]로 정규화.

출력 인수

perf — 신경망 성능

스칼라

오차제곱합으로 계산된 신경망 성능으로, 스칼라로 반환됩니다.

세부 정보

신경망 사용

sse를 사용하여 훈련할 사용자 지정 신경망을 준비하려면 net.performFcn을 'sse'로 설정하십시오. 이렇게 하면 net.performParam이 자동으로 디폴트 함수 파라미터로 설정됩니다.

그런 다음 train, adapt 또는 perform을 호출하면 성능 계산에 sse가 사용됩니다.

버전 내역

R2006a 이전에 개발됨

R2026a: sse 함수는 제거될 예정임

sse 함수는 향후 릴리스에서 제거될 예정입니다.

신경망 훈련 시 메트릭 및 손실 함수 사용에 대해 자세히 알아보려면 다음 예제와 항목을 참조하십시오.

• Deep Learning Metrics

• Custom Loss Functions

• 딥러닝 훈련 진행 상황 모니터링하기

• ROC Curve and Performance Metrics

자세한 내용은 Transition Legacy Neural Network Code to dlnetwork Workflows 항목을 참조하십시오.

참고 항목

시계열 모델러 | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

도움말 항목

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows