質問：どのようにデジタル識別「5」？O（∩_∩）O〜
例えば「5」の手書きの数字：書かれたが、様々な変化します
プログラム：画像から特徴量が抽出される -----学習技術によってモデルの特徴量を学習
使用ニューラルネットワークを学習指標と呼ばれる損失関数。
損失関数は、多くの機能として使用することができる、最も有名なのはある平均二乗誤差（平均二乗誤差）。
二乗誤差式を意味：
Y K -----------ニューラルネットワークの出力
T K -----------管理データ、ワンホット表現
ここでは、ニューラルネットワークの出力yは出力ソフトマックス関数です。ソフトマックス出力機能として解釈することができる確率。
Pythonはによって達成平均二乗誤差：
デフ mean_squared_error（YT ）：
返す 0.5 * np.sumを（（YT）** 2）
平均二乗誤差に加えて、クロスエントロピー誤差（クロスエントロピー誤差）もしばしば損失関数として使用されます。
表現のクロスエントロピー誤差：
「2」は、出力が0.1に相当する場合には、クロスエントロピー誤差は、例えば、対応するニューラルネットワークの出力は0.6であると、その後、クロスエントロピー誤差が-log 0.6 = 0.51、インデックスのタブの正解が「2」であると仮定-log 0.1 = 2.30。すなわち、クロスエントロピー誤差の値がある正解ラベル出力対応する決定。
図自然対数に示す画像。
1 インポートPLT AS matplotlib.pyplot 2 インポートNP AS numpyの 。3 。4 位データを生成した 。5 X = np.arange（0.01,1.01,0.01 ） 。6 Y = np.log（X） 。7 。8 ＃描画画像 。9 plt.plot（X 、Y） 10 plt.xlabel（' X ' ） 。11 plt.ylabel（' Y ' ） 12である（plt.show）
クロスエントロピーエラーコードについて：
デフcross_entropy_error（Y、T）： デルタ = 1E-7 戻り -np.sumさ（t *のnp.log（Y +デルタ））