用户353802075153

赞

3

|

搜索文章

softmax 和 log-likelihood（对数似然）损失函数

softmax神经元 softmax神经元的想法其实就是位神经网络定义一种新式的输出层，开始时和S型神经元一样，首先计算带权输入$z_j^L=\sum_kw_{jk}^La_k^{L-1}+b_j^L

4年前
526
点赞
评论

交叉熵（the cross-entropy）代价函数的详细介绍及推导过程

本文主要讲解为什么要引入交叉熵代价函数，其形式如何，以及怎样自己推导交叉熵代价函数，非常适合初学入门或想了解推导的读者

4年前
190
点赞
评论

个人成就

文章被阅读 716

加入于

2021-12-14