将L2正则化添加到Neuronet（）

Question

有什么办法可以在R中的neuralnet()函数中添加简单的L1 / L2正则化吗？我知道R中的其他软件包，例如neuralnetwork()在函数中提供了正则化方法，但是我有一个自定义错误函数，neuralnet()使得这与许多其他神经网络函数形成了对比。

通过以下方式将Frobenius范数添加到错误函数中时：

vError <- function(x,y, startweights){
0.01*frobenius.norm(startweights) + 0.9*(y-x) + 0.01*log(1+(exp(-(y- 
x)/0.01)))
}

并通过{p>在neuralnet()中调用此错误函数

err.fct= vError(x, y, nn$weights[[1]][[1]])

我收到错误：

  

.cbind.ts（list（e1，e2），c（deparse（substitute（e1））[1L]，deparse（substitute（e2））[1L]）中的错误，：     并非所有系列都有相同的频率   不需要手动调整的解决方案是首选