关于softmax回归

softmax的思想是为神经网络定义新类型的输出层。它开始的方式和sigmoid层(符号层？)一样，通过形成加权来输入： 但是我们不使用sigmoid函数来获得输出，而是在softmax层将softmax函数应用到 根据这个函数，第j个输出神经元的激活(activation)就为(记为式子1)： ‘ 在分母中，我们对所有输出神经元求和。 假定我们有一个具有4个神经元的神经网络，分别表示为 如图：

>>阅读原文<<