与神经网络中的少数输出节点相比,具有多个输出节点的优点或缺点是什么

Question

与少数输出节点相比,神经网络中有多个输出节点是否有任何优点或缺点？

例如,如果一个场景可以用10,3,2或1个输出节点表示,这被认为更好？ - 显然这取决于你想要如何表示输出但是说现在无关紧要.

或者输出节点的数量是否对网络的准确性没有影响,只是训练它所需的计算时间？

Answer 1

输出节点的数量应与要计算的值的数量相匹配.对于简单回归或二进制分类,您只需要一个输出节点.对于多类分类或多重回归,您需要多个输出节点.

特别地,使用前馈神经网络的二进制分类是通过计算单个输出节点的激活,然后检查它是否大于某个阈值(通常为0或.5)来完成的.对于具有k类的多类分类,您计算k个输出节点的值,然后选择最大值的索引i来预测类i.

此外,对于多个输出节点,您可以执行多标记分类,其中每个类/标签再次具有单个输出节点,并且对于超过阈值的所有节点预测"真".使用k类的多标签分类也可以通过k个二元分类器来执行,但是您需要单独训练所有这些,这对于神经网络来说可能是耗时的.