网页
资讯
视频
图片
知道
文库
贴吧
地图
采购
进入贴吧
全吧搜索
吧内搜索
搜贴
搜人
进吧
搜标签
日
一
二
三
四
五
六
签到排名:今日本吧第
个签到,
本吧因你更精彩,明天继续来努力!
本吧签到人数:0
一键签到
成为超级会员,使用一键签到
一键签到
本月漏签
0
次!
0
成为超级会员,赠送8张补签卡
如何使用?
点击日历上漏签日期,即可进行
补签
。
连续签到:
天 累计签到:
天
0
超级会员单次开通12个月以上,赠送连续签到卡3张
使用连续签到卡
07月03日
漏签
0
天
matlab吧
关注:
289,239
贴子:
1,650,434
看贴
图片
吧主推荐
游戏
7
回复贴,共
1
页
<<返回matlab吧
>0< 加载中...
损失函数的选择
只看楼主
收藏
回复
后河淮
路人甲君
4
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
Bp神经网络多分类问题,损失函数必须使用交叉熵损失吗,还是可以使用均方误差,求个大佬
贴吧用户_0RZW7R1
前来围观
7
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
要怎么帮你
北京勤哲软件技术
勤哲Excel服务器软件2024,用Excel自动生成基于web,移动APP和PC的图形化编程平台。软博会金奖产品,适合于各行各业的管理人员使用。
2024-07-03 17:49
广告
立即查看
贴吧用户_JG6y44P
1L喂熊
1
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
建议在多分类领域使用交叉熵损失,使用MSE可能会导致几个问题:
1.梯度问题:当使用Sigmoid或softmax激活函数时,MSE的梯度可能会变得很小,导致网络学习缓慢。
2.不直观:MSE假设误差是均匀的,但在分类问题中,我们通常更关心的是正确分类的概率,而不是预测值与实际值之间的具体差异。
3.非凸性:在多分类问题中,MSE损失函数可能会产生多个局部最小值,这使得网络训练过程更加复杂。
牛唐乏的瓷钉
1L喂熊
1
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
可帮做
👴❤️了,
华丽飘过
6
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
小心骗子,走平台不要转账
Wood🌲
我勒个去
8
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
你扣多少,我加你
登录百度账号
扫二维码下载贴吧客户端
下载贴吧APP
看高清直播、视频!
贴吧页面意见反馈
违规贴吧举报反馈通道
贴吧违规信息处理公示