(一)二次代价函数:


从上述参数更新公式来看,二次代价函数的使用是有弊端的(受激活函数的导数影响较大),举例子说明:

(二)交叉熵代价函数
基于二次代价函数的不足,提出交叉熵代价函数(cross-entropy):


(三)对数似然代价函数

关于对数似然函数和神经网络最后一层使用softmax的情况,可以参考:https://blog.youkuaiyun.com/u014313009/article/details/51045303
本文深入探讨了神经网络中两种常见的代价函数:二次代价函数和交叉熵代价函数,分析了它们的特点及适用场景,特别强调了交叉熵在解决分类问题上的优势。
(一)二次代价函数:


从上述参数更新公式来看,二次代价函数的使用是有弊端的(受激活函数的导数影响较大),举例子说明:

(二)交叉熵代价函数
基于二次代价函数的不足,提出交叉熵代价函数(cross-entropy):


(三)对数似然代价函数

关于对数似然函数和神经网络最后一层使用softmax的情况,可以参考:https://blog.youkuaiyun.com/u014313009/article/details/51045303
242

被折叠的 条评论
为什么被折叠?