理论上哪种方法最好？

Question

假设我想用神经网络来识别我的字符。让我们把它切成5个字母，图像的二进制形式为16x16，输入+2层网络，两个层内都有单极函数。在学习过程中使用动量反向传播。

下列哪一种方法应该给出最好的结果(其中x是第一层神经元的数目)？我说的最好的意思是正确认识的最高百分比。速度不是这个问题的一个因素。

1. 单个网络，256;x;5 -最高值神经元获胜。
2. 5个网络，256;x;1 --每个网络都有自己的字母，每个输出都被测试和接收，可能发生两个或更多的网络识别一个图像为“他们自己的”
3. 与上面相同，但是现在每个网络的输出都是标准化的(如果a，b，c，d，e是输出，那么a=a/ (a+b+c+d+e)；b=b/ (a+b+c+d+e)等等)

Answer 1

2是最糟糕的选择，因为“2个或更多的网络识别一个图像为”他们自己的“肯定会发生很多次，你如何在他们之间去定罪?1将工作合理。3是softmax输出函数的基本思想，而softmax通常用于分类任务，特别是结合交叉熵误差函数时效果最好。