Matlab 为什么这是神经网络成本函数的正确方法？
因此，在我的头撞到墙上几个小时后，我在网上寻找我的问题的解决方案，效果很好。我只是想知道是什么原因导致了我最初处理问题的方式 这里有更多的细节。输入是来自MNIST数据集的20x20px图像，有5000个样本，因此X或A1是5000x400。单个隐藏层中有25个节点。输出为0-9位的一个热向量Matlab 为什么这是神经网络成本函数的正确方法？,matlab,neural-network,vectorization,octave,backpropagation,Matlab,Neural Network,Vectorization,Octave,Backpropagation,因此，在我的头撞到墙上几个小时后，我在网上寻找我的问题的解决方案，效果很好。我只是想知道是什么原因导致了我最初处理问题的方式 这里有更多的细节。输入是来自MNIST数据集的20x20px图像，有5000个样本，因此X或A1是5000x400。单个隐藏层中有25个节点。输出为0-9位的一个热向量y（不是y，它是y的一个热编码）是值为1-10的5000x1向量 这是我的成本函数的原始代码： Y = zeros(m, num_labels); for i = 1:m Y(i, y(i
yY = zeros(m, num_labels);
for i = 1:m
Y(i, y(i)) = 1;
endfor
H = sigmoid(Theta2*[ones(1,m);sigmoid(Theta1*[ones(m, 1) X]'))
J = (1/m) * sum(sum((-Y*log(H]))' - (1-Y)*log(1-H]))')))
A1 = [ones(m, 1) X];
Z2 = A1 * Theta1';
A2 = [ones(size(Z2, 1), 1) sigmoid(Z2)];
Z3 = A2*Theta2';
H = A3 = sigmoid(Z3);
J = (1/m)*sum(sum((-Y).*log(H) - (1-Y).*log(1-H), 2));
304.880.25谢谢你给我的任何帮助！我真的很想知道我哪里出了问题从评论转移过来：
快速看一看，在
J=（1/m）*sum（sum（（-Y*log（H]））—（1-Y）*log（1-H]））Y*log（H）Y*log（H）c（I，j）=a（I，j）*b（I，j）关于你在评论中的问题。 从第一个屏幕截图开始，您将Y矩阵的条目
Y（i，k）h（i，k）Y（i，k）log（H（i，k））+（1-Y（i，k））log（1-H（i，k））C=Y.*log（H）+（1-Y）。*log（1-H）sumsum（sum（C））sum（C（：）注意，可能还有其他错误。从注释转移：
快速看一看，在
J=（1/m）*sum（sum（（-Y*log（H]））—（1-Y）*log（1-H]））Y*log（H）Y*log（H）c（I，j）=a（I，j）*b（I，j）关于你在评论中的问题。 从第一个屏幕截图开始，您将Y矩阵的条目
Y（i，k）h（i，k）Y（i，k）log（H（i，k））+（1-Y（i，k））log（1-H（i，k））C=Y.*log（H）+（1-Y）。*log（1-H）sumsum（sum（C））sum（C（：）注意，可能还有其他错误。？这样我们就可以看到这两个代码实际起作用了？@tryman这两个屏幕抓取有助于清除它吗？整个问题只是为一个神经网络编写一个成本函数Octave@tryman我添加了更多的细节。希望这将通过快速查看清除所有内容，在
J=（1/m）*sum（sum（（-Y*log（H]））-（1-Y）*log（1-H]））Y*log（H）Y*log（H）J=（1/m）*sum（sum（（-Y*log（H]））-（1-Y）*log（1-H]））Y*log（H）Y*log(