这篇博客记录了softmax函数的log似然代价函数及其求导过程，以及在理解交叉熵代价函数和反向传播（BP）时遇到的问题。作者引用了多个资源，包括softmax的详细解释和BP中权重、偏置参数的作用。
softmax
参考：
1 详解softmax函数以及相关求导过程 https://zhuanlan.zhihu.com/p/25723112
2 softmax的log似然代价函数（公式求导）https://blog.youkuaiyun.com/u014313009/article/details/51045303
（这个似然函数求导部分没看明白）
3 交叉熵代价函数（作用及公式推导）
https://blog.youkuaiyun.com/u014313009/article/details/51043064
（这里没看明白）
BP
参考：
1. 神经网络中w,b参数的作用（为何需要偏置b的解释） https://blog.youkuaiyun.com/xwd18280820053/article/details/70681750
最低0.47元/天 解锁文章
扫一扫
427
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
