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，{{1 }}是测试标签。每个神经网络都存储在单元变量t2中。
训练后，使用测试集NN{}和t2完成评估，但是，使用x2完成mse计算，我认为正确的陈述应该是{{1 }}，因为mse(net, t2, y2)是经过训练的模型，而不是mse(NN{i}, t2, y2)，它只是一个结构。下面是链接中给出的代码。
函数调用应该是NN{}而不是net吗？
mse(NN{i}, t2, y2)答案 0 :(得分：2)
mse是一种网络性能功能。它衡量了网络的 根据平方误差的平均值来确定性能。
perf = mse(net,t,y,ew)接受以下参数：
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。