Python_DL_麦子学院（算法与应用_进阶）_14~20 _Cross entropy函数

标签：--   dde   输出   neu   应用   idt   更新   开始学习   width   

5.1 Cross-Entropy Cost

上节实现了一个简单的神经网络所需要的所有function，包括梯度下降算法，BP算法等，利用python实现最简单的神经网络。从本节课开始介绍另外一种cost function。

我们理想情况是让神经网络学习更快。

假设简单模型：只有一个输入、一个神经元、一个输出：

 我们想让这个简单模型：输入为1的时候，输出为0.

初始w=0.6，b=0.9，初始测试的输出a=0.82,需要学习，学习率为0.15：

I = 1*0.6+0.9 = 1.5

O = 1/1+e^-1.5 = 0.82

我们是要输入为1，输出为0。就需要利用学习率来更新，实现输出为0的目标。

 --》 

http://neuralnetworksanddeeplearning.com/chap3.html

当我们设置初始值w=2.0,b=2.0，这样初始预测输出为：0.98，和理想的输出0差距很远：

 --》  

虽然一开始下降的不是很明显，但到最后下降到0.02，离0很接近了。 

总结：神经网络的学习行为和人脑差的很多，开始学习很慢，后来逐渐变快了。

Python_DL_麦子学院（算法与应用_进阶）_14~20 _Cross entropy函数

标签：--   dde   输出   neu   应用   idt   更新   开始学习   width   

原文地址：https://www.cnblogs.com/tlfox2006/p/13122102.html