神经网络中的反向传播

一、损失函数 预测值： 首先我们根据给定的Xi，对于一个样本，我们可以得到一个预测 值 y ^ \widehat{y} y ​ 。 为了衡量我们的预测值与真实值之间的差距，我们引入了一个损失函数，这里 就仅列出交叉熵函数作为举例，而且为什么要用交叉熵，这里最重要的原因是因为采用交叉熵可以避免局部最小值。 交叉熵函数： L ( y , y ^ ) = − ( y l o g y ^ + ( 1 −

>>阅读原文<<