Neural network 在普通的反向传播算法中，交叉熵误差函数是如何工作的？ 我在C++中使用前馈反向传播网络，但似乎不能使它正常工作。我所基于的网络是使用交叉熵误差函数。然而，我不是很熟悉它，即使我试图查找它，我仍然不确定。有时候看起来很容易，有时候很难。该网络将解决多项式分类问题，据我所知，交叉熵误差函数适用于这些情况。 知道它是如何工作的人？

啊，是的，很好的ole反向传播。它的乐趣在于，使用什么样的错误函数并不重要（实现方面），只要它是可微的。一旦您知道如何计算每个输出单元的交叉熵（请参见），您只需对该函数进行偏导数，即可找到隐藏层的权重，然后再次计算输入层的权重

然而，如果你的问题不是关于实施，而是关于培训的困难，那么你的工作就要完成了。不同的误差函数擅长不同的事情（最好只是根据误差函数的定义进行推理），而这个问题又被其他参数（如学习率）所加剧

---

希望这有帮助，让我知道如果你需要任何其他信息；你的问题很模糊

我对神经网络不是很熟悉，但即便如此，你的问题听起来还是很模糊。你到底有什么问题？如果你能把问题缩小一点，你就更有可能得到一个有用的答案。好吧，基本上我只是不知道这个算法是什么样子的。或者，为了缩小范围，如何计算误差梯度，以及如何使用交叉熵误差函数反向传播误差？网络使用sigmoid激活功能。