神经网络中的激活函数——Softmax函数

一. Softmax函数介绍

1. 函数表达式

Softmax函数是一种用于多分类问题的激活函数，它将一个n维向量转换为一个概率分布。每个元素的值被转化为0到1之间的数值，并且这些数值的总和为1。这使得Softmax函数特别适合用于神经网络的输出层，以表示各个类别的概率。函数表达式如下：

2. 函数图像

 函数的特征：

• 概率分布：Softmax函数的输出是一个概率分布，所有输出的和为1。
• 非线性转换：Softmax函数将线性输入转化为非线性输出，有助于多分类任务。
• 差异放大：由于指数函数的作用，Softmax放大了输入向量中较大的值，使其概率更接近1，而较小的值概率接近0。
• 可微性：Softmax函数是可微的，便于在反向传播过程中计算梯度。

• 

 二. Softmax函数的应用

• 多分类问题