softmax

2зной

1ответ

Кросс-энтропия, Softmax и производный термин в Backpropagation

В настоящее время я заинтересован в использовании ошибки Cross Entropy при выполнении алгоритма BackPropagation для классификации, где я использую функцию активации Softmax в своем выходном уровне. Из

1зной

1ответ

Если я использую softmax в RBM, мне нужно использовать его в скрытых единицах, а также в видимых?

Как я понимаю, при использовании softmax значений K в видимых единицах RBM скрытый блок остается двоичным. Если это так - я не уверен, как вычислять вклады двоичных единиц в видимые. Должен ли я связы

2зной

1ответ

с использованием SoftMax в Nnet R для целевого столбца с более чем 2-состояниями

Я использую пакет Nnet для классификации целевого столбца с 3 состояниями model <- nnet(targetcolumn ~ ., data=DATAFRAME) Но я хочу его использовать энтропию вместо по умолчанию SoftMax и когда я ус

66зной

7ответ

Зачем использовать softmax в отличие от стандартной нормализации?

В выходном слое нейронной сети, это характерно использовать SoftMax функцию для аппроксимации распределения вероятностей: Это дорого, чтобы вычислить из показателей. Почему бы просто не выполнить прео

2зной

1ответ

Функция потерь для ординарной цели на SoftMax над логистической регрессией

Я использую Pylearn2 OR Caffe для создания глубокой сети. Моя цель заказана номинальной. Я пытаюсь найти правильную функцию потери, но не могу найти ее в Pylearn2 или Caffe. Я прочитал статью «Функции

2зной

1ответ

nnet in R, 'softmax = TRUE' требует как минимум двух категорий ответа

Я пытаюсь использовать nnet в R и сталкиваться с проблемой для использования softmax. Я пытаюсь построить трехслойную сеть, с входным слоем имеют 25 нейронов, скрытый слой имеет 25 нейронов, выходной

0зной

1ответ

Softmax выбор вероятность с категоричным в PyMC3

Я пытаюсь выполнить оценку параметра для одного параметра в SoftMax функции выбора в следующем сценарии: В каждом испытании три значения параметра приведено (например, [1 , 2,3]), и субъект делает выб