我正在尝试使用神经网络来解决分类问题。当我正在使用JVM（在Scala中）时，我选择使用Encog 3.x库。如果其他图书馆能够更好地处理这个问题，请告诉我。
我一直在使用弹性反向传播。我有1个隐藏层，例如3个输出神经元，3个目标类别中的每一个。所以理想的输出是1/0 / 0,0 / 0/0或0/0/1。现在，问题是培训试图最小化错误，例如，如果理想输出为1/0/0，则将0.6 / 0.2 / 0.2转为0.8 / 0.1 / 0.1。但由于我选择了最高值作为预测类别，这对我来说无关紧要，我希望培训能够花费更多精力来减少错误预测的数量。
所以我了解到我应该使用softmax函数作为输出（虽然我不清楚，如果这成为第4层，或者我应该用softmax替换第3层的激活函数），然后进行训练减少交叉熵。现在我认为需要在整个网络或整个输出层上计算这个交叉熵，但是可以自定义的ErrorFunction在神经元的基础上计算误差（读取理想数组）输入和实际输入，写入错误值数组）。那么如何使用Encog（或者我应该选择其他基于JVM的库）实际进行交叉熵最小化呢？
答案 0 :(得分：0)
我也在使用Encog，但是在Java中，虽然我认为它不会产生真正的影响。我有类似的问题，据我所知，你必须编写自己的函数，以尽量减少交叉熵。
据我了解，softmax应该只是替换你的第三层。