Neural network 如何计算具有多个输出的神经网络的均方误差？_Neural Network_Loss Function

Neural network 如何计算具有多个输出的神经网络的均方误差？

neural-network

Neural network 如何计算具有多个输出的神经网络的均方误差？,neural-network,loss-function,Neural Network,Loss Function,根据我的理解，MSE的公式是：MSE=1/n*∑（t−y） ^2，其中n是训练集的数量，t是我的目标输出，y是我的实际输出。假设我有两个训练集，每个训练集有一个输出： [0；0]t=[0]y=[1] [1；1]t=[1]y=[1] 如果我应用MSE，我将得到MSE=1/2*[（0-1）^2+（1-1）^2]=1/2 但是如果我有超过1个输出呢？我是否计算每个训练集的MSE，然后计算得到的所有MSE的平均值？您确定n是训练集的数量吗？你在哪里读到的？你能提供那句话的来源吗？公平地说，我不知道，我只

根据我的理解，MSE的公式是：MSE=1/n*∑（t−y） ^2，其中n是训练集的数量，t是我的目标输出，y是我的实际输出。假设我有两个训练集，每个训练集有一个输出：

[0；0]t=[0]y=[1]

[1；1]t=[1]y=[1]

如果我应用MSE，我将得到MSE=1/2*[（0-1）^2+（1-1）^2]=1/2

但是如果我有超过1个输出呢？我是否计算每个训练集的MSE，然后计算得到的所有MSE的平均值？

您确定

是训练集的数量吗？你在哪里读到的？你能提供那句话的来源吗？公平地说，我不知道，我只是假设，因为我有很多训练集，误差的平均值应该通过将总和除以训练集的数量来计算。但是，我不知道对于具有1个以上输出的网络，情况是否仍然如此。

在这种情况下，通常是输出端口的数量，因此您总结输出端口的所有错误，并建立平均值。我不认为这意味着训练集的数量。但是我如何计算整个网络的误差呢？我是否取所有MSE的平均值？就像我有2个训练集，每个都有2个输出。在第一个训练集中，MSE为2，在第二个训练集中，MSE为1，因此网络误差应为（2+1）/2=1.5？