神经网络性能
计算网络性能给定的目标和输出,可选的性能权重和其他参数。该函数返回的结果严重惩罚了极不准确的输出(perf
= crossentropy (净
那目标
那输出
那完善的重量
的)y
靠近1 - t
),对于相当正确的分类几乎不受惩罚(y
靠近T.
)。最小化交叉熵会产生好的分类器。
每对输出目标元素的交叉熵计算如下:ce = -t。* log(y)
.
总的交叉熵性能是个体值的平均值:穿孔= (ce(:)) /元素个数之和(ce)
.
特殊情况(N = 1):如果输出只包含一个元素,那么输出和目标被解释为二进制编码。也就是说,有两个目标为0和1的类,而在1-of- n编码中,有两个或更多的类。二进制交叉熵表达式为:ce = -t。* log(y) - (1-t)。* log(1-y)
.