深度学习（一） cross-entropy和sofrmax

Cross-entropy

神经网络的学习行为和人脑差的很多, 开始学习很慢, 后来逐渐增快

为什么?

学习慢 => 偏导数 ∂C/∂w 和 ∂C/∂b 值小

回顾之前学习的Cost函数:

回顾sigmoid函数:

当神经元的输出接近1或0时，曲线很平缓，因而会使偏导数 ∂C/∂w 和 ∂C/∂b 值小,致使学习很慢

如何增快学习？

为此神经网络引入交叉熵代价函数cross-entropy函数

弥补 sigmoid 型函数的导数形式易发生饱和（saturate，梯度更新的较慢）的缺陷

首先来看平方误差函数（squared-loss function），对于一个神经元（单输入单输出），定义其代价函数： 

 

其中 a=σ(z),z=wx+b，然后根据对权值（w）和偏置（b）的偏导（为说明问题的需要，不妨将 x=1,y=0）： 

根据偏导计算权值和偏置的更新： 

无论如何简化，sigmoid 型函数的导数形式 σ′(z) 始终阴魂不散

上文说了 σ′(z) 较容易达到饱和，这会严重降低参数更新的效率。

交叉熵代价函数

对于多输入单输出的神经元结构而言，如下图所示：

 

 

我们将其损失函数定义为： 

 　　　　　　　　　　　　　　　　

其中：

　　　　

最终求导得： 

　　　　

学习的快慢取决于

　　σ(z) - y

也就是输出的error

好处：错误大时，更新多，学的快

　　　错误小时，学习慢

　　   避免了 σ′(z) 参与参数更新、影响更新效率的问题；

总结:

cross-entropy cost几乎总是比二次cost函数好

如果神经元的方程是线性的, 用二次cost函数 (不会有学习慢的问题)

softmax和overfitting

1.下面介绍另外一种类型的输出层函数：

第一步：和sigmoid一样

　　　　　　

第二步：softmax函数

　　　　　　

　　　　(分母是将每层所有的神经元的输出值加起来)

　　　　(分子是指第L层第J个神经元的输出)

由上可得：

     当最后一行z增大时,a也随之增大,其他a随之减小

　　事实上, 其他a减小的值总是刚好等于a4增加的值, 总和为1不变，Softmax的输出每个值都是大于等于0, 而且总和等于1

　　所以, 可以认为是概率分布，也可以认为输出的是每个可能分类标签的概率

 　  如果输出层是sigmod层, 不能默认输出总和为1, 所以不能轻易描述为概率分布

2.介绍一种代价函数log-likelyhood函数

　　　　

　　　　假设输入的是手写数字7的图片，输出比较确定接近7，对于对应的输出7的神经元，概率a接近1，对数C接近0，反之，对数C比较大，所有适合做Cost

　　　是否存在学习慢的问题取决于：

　　　　

　　　　求偏导数，得到:

　　　　　　　　

　　　　对比之前用的cross-entropy得到的偏导公式