我实现了自己的神经网络，并通过反向传播算法对其进行了训练。输入值在0..1范围内，每个内部层和最后一层的输出都用S型曲线处理。我将其用于分类（我在输出中寻找最大值的索引）。
在前进过程中，我可以用Softmax替换最后一层的Sigmoid。但是我找不到关于如何实现反向传递（计算梯度）的清晰描述。
对于S形，当最后一层的神经元给出Y，但需要输出Z时，我将梯度设置为G =（Z-Y）* Y *（1-Y）。
Softmax是否有类似的公式，以便我可以替换它，同时保留其余的当前机制（使用梯度G的方式，等等）？