首页  技术文章  交叉熵

交叉熵

发布时间:2024-12-04 16:22:53 浏览量:612 作者:Paul

正文


交叉熵


zui小二乘


假设一个Sigmod函数,初始权重为0.6,偏置0.9,输入目标为1, 输出目标等于0。通过zui小二乘求解合适的权重和偏置,求解方法为梯度下降法,学习率



带入初始值后目标输出为0.817574。


根据zui小二乘的定义,定义函数f,并将其命名为评价函数。因此函数f的3D形状


沿着45°方向,上述方程截面分布



观察其梯度分布,整体指向左下角,并且两侧变换缓慢,中间变化快。因此,如果初始值在右上角,梯度下降的过程是一个先慢后快在变慢的过程。如果初始值在左下角,迭代过程会缓慢的进入平稳的状态



首先仍旧是以初始值(0.6, 0.9)开始,正好位于梯度下降的斜坡



如果将初始值移动到右上方,假设为(2.5, 2.5),那么迭代过程会出现先慢后快,在趋向于稳定的过程。



zui后如果初始值位于左下角,假设是(-2.5, -2.5)



交叉熵


因为评价函数整体是一个两边平缓,中间陡峭的过程,导致梯度下降缓慢。因此引入新的评价函数:交叉熵代价函数



n是数据总量,x是输入,y是目标输出,a是对应函数。


通过以下3D图形和梯度图可知,整个函数zui终趋向于点(0.5,0.5),表明当a和y的分布是相同的时候,真个函数趋向于zui低点。因此使用交叉熵代价函数可以替代zui小二乘法生成的函数。



将Sigmod函数带入其中交叉熵代价函数,因此函数c定义为


如果按照梯度下降方法求解函数c,找到的必定是zui小值,或者说是梯度为零的位置

因此当时,他的zui优解


交叉熵


仍旧是以输入为1,输出为0作为基础,初始点为(0.6, 0.9),学习率\[Eta]=0.15为条件,寻找合适的权重和偏置


观察其梯度分布,右上角分布陡峭,右下角分布平缓。



拖过下述的几个例子看出,交叉熵可以更快的接近目标值。





了解更多详情,请访问上海昊量光电的官方网页:

https://www.auniontech.com/three-level-46.html


更多详情请联系昊量光电/欢迎直接联系昊量光电

关于昊量光电:

上海昊量光电设备有限公司是光电产品专业代理商,产品包括各类激光器、光电调制器、光学测量设备、光学元件等,涉及应用涵盖了材料加工、光通讯、生物医疗、科学研究、国防、量子光学、生物显微、物联传感、激光制造等;可为客户提供完整的设备安装,培训,硬件开发,软件开发,系统集成等服务。

您可以通过我们昊量光电的官方网站www.auniontech.com了解更多的产品信息,或直接来电咨询4006-888-532。