在文档中，我们训练了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置进行初始化。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，t2 是测试标签。每个神经网络存储在单元变量 NN{} 中。

训练后，使用测试集 t2 和 x2 进行评估。然而，mse计算使用的是 mse(net, t2, y2)。我认为正确的语句应该是 mse(NN{i}, t2, y2)，因为 NN{} 是训练后的模型，而 net 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) 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

回答：

mse 是一个网络性能函数。它根据均方误差来衡量网络的性能。

perf = mse(net,t,y,ew) 接受以下参数：

• net 神经网络
• t 目标的矩阵或单元数组
• y 输出的矩阵或单元数组
• ew 错误权重（可选）

根据 mse 的文档。因此，第一个参数应该是 neural network 类型的一个结构，在该示例中 NN{i} 包含在 y2 中，因此是输出的矩阵。