SONY NNC Components(IO, LOSS)

[IO]

Input：データ入力。

[Loss]　損失関数：これが機械学習効果の評価軸となるので、大事。出力層になっている。

SquaredEror：二乗誤差

HuberLoss ：Huber損失。真値の周辺は二乗誤差で評価し、それから離れると二乗の代わりに直線で評価する。こうすると、真値から離れたところの評価値が大きくなりすぎず、真値周辺の値をより評価することができる。

AbsoluteError：絶対誤差。真値と測定値の差。

EpsilonInsentiveLoss：イプシロン(ε)許容損失。サポートベクターマシン(SVM)で使う。

BinaryCrossEntropy：二値交差エントロピー法。

SigmoidCrossEntropy：シグモイド交差エントロピー法。ニューラルネットワーク途中の活性化関数はシグモイド関数を使い、最後はソフトマックス関数で確率分布にした後、交差エントロピー法を損失関数として評価する。

CategoricalCrossEntropy：多クラス交差エントロピー法。

SoftmaxCrossEntropy：ソフトマック交差エントロピー法。

KLMultinominal：K-L（カルバック・ライブラー）多項式

参考ホームページ
・レイヤーリファレンス（sony nnc）

・機械学習で抑えておくべき損失関数（回帰編）

・カルバック・ライブラー情報量