Question

我刚刚开始使用Matlab的工具箱进行简单的神经网络训练。我的Matlab版本是2019a。但是，有一件事使我感到困惑。考虑以下代码：

 Nsamples=1000;
 NoiseMag=0.2;
 rx=linspace(-1,1,Nsamples);
 ry = rx + NoiseMag*randn(size(rx));

 net=feedforwardnet(50);
 [net,tr]=train(net,rx,ry);

这部分代码使用噪声样本(rx,ry)上的单个隐藏层训练前馈NN。我感到困惑的是，tr.perf输出的网络训练错误与mse(net,rx(tr.trainInd),ry(tr.trainInd))不一致：

  tr.perf   %output: [9.7205    0.0419    0.0370    0.0364    0.0361    0.0358    0.0356    0.0355    0.0355    0.0354]
 mse(net,rx(tr.trainInd),ry(tr.trainInd)) . %Output 0.0401

说明：tr.perf输出每次迭代（或时代）的训练错误。下一条命令mse(net,rx(tr.trainInd),ry(tr.trainInd))输出当前（最佳）神经网络参数的训练错误。

由于tr.best_epoch是3，所以tr.perf的第三个元素应该完全等于mse(net,rx(tr.trainInd),ry(tr.trainInd))，但不是。

知道为什么吗？比较验证和测试错误时，我还会观察到相同的不一致之处。如果编译这些示例，由于样本中的随机性和NN的初始权重，您的输出将略有不同。

谢谢

Answer 1

我没有仔细阅读mse函数的文档。

  mse(net,targets,outputs,errorWeights,...parameters...) calculates a
network performance given targets, outputs, error weights and parameters
as the mean of squared errors.

因此，第二个参数必须是目标，第三个参数是网络结果。修改代码后，输出将保持一致。我一直在寻找的函数-仅计算两个向量的均方误差-称为immse

 mse(net,ry(tr.trainInd),net(rx(tr.trainInd))) % output 0.0334
 tr.perf(tr.best_epoch+1) % output 0.0334
 immse(net(rx(tr.trainInd)),ry(tr.trainInd)) % output 0.0334

使用Matlab进行NN训练：train（）函数输出与MSE错误不一致

1 个答案: