cross-entropy
交叉熵代价函数能够再相同条件下,学习的的速率较二次代价函数要快。越大的误差,学习速度越快。
因为在求输出层和中间层的delta的时候,会有一个乘子,就是激活函数关于输入的导数。当采用sigmoid函数作为激活函数的时候,sigmoid的输出接近0或者1的时候,sigmoid变得很平缓,求导后的值就变得很小(神经元饱和)。再乘上学习率,就成了一个很小的值,也就是迈开的步子很小,学习的很慢。而交叉熵代价函数能够把这个乘子给约掉。很好的避免了学习速度下降的原因。
还有个问题,使用Relu激活函数,还有必要使用交叉熵吗。