如何设置lossFunction为'crossentropyex'

在MATLAB的`trainNetwork`函数中，当你希望使用交叉熵损失（Cross-Entropy Loss）并考虑指数平滑（Exponential Smoothing，即Softmax Cross-Entropy Loss），你应该将`lossFunction`设置为 `'crossentropyex'`。这里是一个基本的示例：

% 假设你已经有了训练数据（`XTrain`）、标签数据（`YTrain`），以及一个预定义的网络结构（`net`）

% 定义训练选项，包括lossFunction
options = trainingOptions('sgdm', ... % 使用SGD（Stochastic Gradient Descent with Momentum）作为优化器
                           'MiniBatchSize', 32, ... % 批次大小
                           'MaxEpochs', 10, ...       % 最大迭代次数
                           'InitialLearnRate', 0.001, ... % 初始学习率
                           'ValidationData', [XValid, YValid], ... % 验证集
                           'Verbose', false, ...        % 是否显示详细信息
                           'LossFunction', 'crossentropyex'); % 设置lossFunction为交叉熵加上指数平滑

% 然后开始训练网络
trainedNet = trainNetwork(XTrain, YTrain, net, options);

在这个例子中，`crossentropyex`会在每次预测后计算softmax概率分布和真实标签之间的交叉熵，并使用指数平滑处理softmax结果，有助于稳定训练。