2017年12月1日
交叉熵 独立编码
摘要： 交叉熵： 用于与客观世界的信息熵的差，优化方向就是减少这个插值 交叉熵可在神经网络(机器学习)中作为损失函数，p表示真实标记的分布，q则为训练后的模型的预测标记分布，交叉熵损失函数可以衡量p与q的相似性。交叉熵作为损失函数还有一个好处是使用sigmoid函数在梯度下降时能避免均方误差损失函数学习速率 阅读全文
posted @ 2017-12-01 11:11 Vazquez_Jin 阅读(137) 评论(0) 推荐(0) 编辑