什么时候使用一个只有一个输出神经元的神经网络，何时使用多个输出神经元？

Question

我试着理解在输出层中使用只有一个输出神经元和多个神经元的神经网络之间的区别。

​

​

我知道，有了这种神经网络，我可以像异或逻辑门那样求解，事实上，我可以使用一个神经网络，在隐藏层中神经元较少。

​

​

但我不太清楚什么时候为什么要用这种拓扑的神经网络，在这种拓扑结构中，人工神经网络在输出层有多个神经元。

有谁知道区别吗？

Answer 1

网络体系结构(单输出和多输出)专门针对二进制、多类和多标签问题.

让我们考虑一下你有以下选择-

​

​

二进制分类--您正试图预测得到一个正类的概率。在这种情况下，正反两类是唯一的两个选项。这种情况下的输出是0到1之间的概率值。

多类分类-您正试图预测单个多类的概率.您正在尝试为每个n类(其中n>=2)获得0到1的概率预测。如果每个样本都属于单个类别，则称为多类单标签分类。

多标签分类-您有一个情况，每个样本可以属于多个类。在这里，您正在处理一个多类多标签问题。这还为每个n类提供了0到1的概率值，在本例中使用的损失与二进制分类所用的相同。

所以，在一天的最后，它是关于你是如何设置你的问题。