Neural network 神经网络：使用Encog进行分类

我正在尝试使用神经网络来解决分类问题。在处理JVM（Scala）时，我选择使用Encog3.x库。请让我知道这个问题是否由其他图书馆更好地处理

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个目标类别各一个。所以理想的输出是1/0/0、0/1/0或0/0/1。现在的问题是，训练试图最小化误差，例如，如果理想输出为1/0/0，则将0.6/0.2/0.2变为0.8/0.1/0.1。但是，由于我选择了最高值作为预测类别，这对我来说并不重要，我希望培训花费更多的精力来实际减少错误预测的数量

---

因此我学会了使用softmax函数作为输出（虽然我不清楚这是否成为第四层，或者我应该用softmax替换第三层的激活函数），然后让训练减少交叉熵。现在我认为交叉熵需要在整个网络或整个输出层上进行计算，但是可以定制的

ErrorFunction

可以逐个神经元计算误差（读取理想输入和实际输入的数组，写入误差值的数组）。那么，如何使用Encog（或者我应该选择哪个基于JVM的库）实现交叉熵最小化呢？

我也在使用Encog，但在Java中，尽管我认为这并没有真正的区别。我有类似的问题，据我所知，你们必须编写自己的函数来最小化交叉熵

---

据我所知，softmax应该取代您的第三层。

好吧，如何正确编写交叉熵最小化误差函数正是问题所在。有什么想法吗？如果你有一个Java实现，那很好。嗨，这两个链接现在已经失效了。你有这两个网页的最新链接吗？对不起，我找不到。