首先
如果神经网络的输入经过神经网络结果输出的不是Desired,而是那么就得调整网络权重W使得尽可能正确输出(通过调神经元的参数,是网络对给定输入可产生期望输出)
监督学习
对于一个图像来说就是先对图像进行预处理,包括训练数据和测试数据,通过训练的数据来调节参数,测试数据来进行测试效果,最后新数据与之前都不一样的数据。
前馈运算和反向传播
损失函数(LOSS Function)
用来度量实际输出和期望输出之间的不一致程度,知道网络的学习和表示学习。
- 针对不同的问题,有不同的损失函数:
回归问题(连续型):平方损失等。
分类问题(离散型):对数损失函数、交叉熵损失函数 - 交叉熵损失(Cross-Entropy Loss;Log Loss)
熵:用于度量变量的不确定性程度(熵越大不确定性越大)
交叉熵主要用于度量两个概率分布建的差异性信息