我目前理解并制作了一个简单的神经网络来解决异或问题。我想制作一个用于数字识别的神经网络。我知道使用 MNIST 数据我需要 784 个输入神经元、15 个隐藏神经元和 10 个输出神经元 (0-9)。
但是,我不明白如何训练网络以及前馈如何与多个输出神经元一起工作。
例如,如果输入是数字 3 的像素,网络将如何确定选择哪个输出神经元,以及在训练时,网络如何知道哪个神经元应与目标值相关联。
如有任何帮助,我们将不胜感激。
最佳答案
所以你有一个具有多个输出的分类问题。我假设您在输出层使用 softmax 激活函数。
网络如何确定选择哪个输出神经元:简单,最有可能成为目标类别的输出神经元。
网络将使用标准反向传播进行训练,这与只有一个输出的算法相同。
只有一个区别:激活函数。 对于二元分类,您只需要一个输出(例如数字 0 和 1,如果概率 < 0.5,则类别为 0,否则为 1)。
对于多类分类,每个类都需要一个输出节点;那么网络将选择最有可能成为目标类的节点。
关于neural-network - 多输出分类神经网络如何工作?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54876245/