深度学习:目标函数(objective function)
深度学习:目标函数(objective function)或损失函数(loss function)
目标函数通过样本的预测结果与真实标记产生的误差反向传播指导网络参数学习和表示学习。
分类任务中的目标函数
- 交叉熵损失函数 又称Softmax损失函数,是目前卷积神经网络中最为常用的分类目标函数。其形式:
- 合页损失函数
一般运用在支持向量机中的合页损失函数,有时候也会在分类任务中作为目标函数。一般情况交叉熵损失函数分类效果较优于合页损失函数的效果。
- 坡道损失函数
由于其对噪声数据和离群点具备较好的抗噪声特性,因此被称为“鲁棒损失函数”。该类损失函数可以在分类误差较大的区域进行截断,使得较大的误差无法大程度的 影响整个误差系统。
- 大间隔交叉熵损失函数
大间隔交叉熵损失函数扩大了类间距离,由于它不仅要求分类正确且要求分开的类需保持较