MATLAB文档中给出的用于训练多个神经网络的示例代码中存在错误

在本课程中，我们正在训练10个不同的神经网络，每个神经网络都用不同的权重和偏差初始化

net

是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，

t2

是测试标签。每个神经网络存储在一个单元变量

NN{}

中

训练后，使用测试集

t2

和

x2

进行评估，然而，mse计算是使用

mse（net，t2，y2）

进行的，我认为正确的说法应该是

mse（NN{I}，t2，y2）

，因为

NN{}

是经过训练的模型，而不是

net

，后者只是一个结构。下面是链接中给出的代码

函数调用应该是

mse（NN{i}，t2，y2）

而不是

mse（net，t2，y2）

mse

是一种网络性能函数。它测量网络的 根据均方误差的性能

perf=mse（net，t，y，ew）

采用以下参数：

• net

  神经网络

• t

  目标矩阵或单元阵列

• y

  输出矩阵或单元数组

• ew

  错误权重（可选）

---

按照。因此，第一个参数应该是

神经网络

类型的结构，在该示例中，

NN{i}

包含在

y2

中，因此是输出矩阵。

感谢您的回答。那么Matlab文档中的示例代码是否正确？此代码的目的是选择最小均方误差的NN。不清楚我应该使用哪个变量作为最终的NN模型？我选择模型的方式是在循环结束后，

[miner indx]=min（perfs）；bestModel=NN{indx}

如果

net

是模型，则没有可供选择的网络数组。你能告诉我哪个变量是模型吗？

net = feedforwardnet(10);
numNN = 10;
NN = cell(1, numNN);
perfs = zeros(1, numNN);
for i = 1:numNN
  fprintf('Training %d/%d\n', i, numNN);
  NN{i} = train(net, x1, t1);
  y2 = NN{i}(x2);
  perfs(i) = mse(net, t2, y2);
end