꿈라CBT소프트맥스(Softmax) 활성화 함수에 대한 설명으로 가장 적절하지 않은 것은?
- 1출력값이 모두 0과 1 사이에 놓이고 그 합이 1이 되므로, 출력 전체를 하나의 확률분포로 해석할 수 있다.
- 2각 클래스의 출력이 서로 독립적으로 계산되므로, 한 클래스의 입력값이 커지더라도 다른 클래스의 출력값은 변하지 않는다.
- 3각 입력에 지수함수를 적용한 뒤 전체 합으로 나누는 형태이므로, 입력값들의 차이가 클수록 가장 큰 쪽에 확률이 집중된다.
- 4다중 클래스 분류 신경망의 출력층에 사용되며, 교차 엔트로피 손실함수와 함께 쓰이는 것이 일반적이다.