cross entropy的意思|示意

美 / krɔs ˈentrəpi / 英 / krɔs ˈɛntrəpi /

交叉熵

Cross entropy是一个常见的测量熵（entropy）的概念，主要用于测量一个系统的预测准确性低于理想准确性的程度。Cross entropy通常用于机器学习，特别是在衡量模型与真实概率分布的差距。

Cross entropy的用法是，我们可以用它来衡量模型的表现，以及对模型进行调整，以便提高模型的准确性。它可以用来评估一个概率分布与真实概率分布之间的差距。在机器学习中，cross entropy可以用来衡量模型的准确性，也可以作为损失函数被优化。

比如，在一个分类任务中，输入的概率分布可能与真实的概率分布都不一样，这时就可以利用Cross entropy来优化模型。此时，cross entropy可以用来衡量模型的表现，帮助模型学习更加准确的概率分布，以更加准确的预测准确率。

总之，cross entropy可以用来测量一个模型的表现，并利用它来调整模型，以便更准确地预测真实情况。它可以用于机器学习和深度学习，并被广泛应用于实际应用中。

1、 cross-entropy 交叉熵,互熵

2、 cross entropy method 交叉熵算法,电工理论与新技术

3、 Maximum cross entropy 最大类间交叉熵

5、 cross-entropy loss 交叉熵损失函数,或交叉熵损失

6、 minimum cross-entropy 最小交叉熵,最小交互熵

7、 expect cross entropy 期望交叉熵

Solution of the optimization problems of minimum cross - entropy with cross - entropy - type constraints was studied.

摘要研究了带有叉熵约束的最小叉熵优化问题的求解问题.

互联网