与神经网络中的几个输出节点相比，具有多个输出节点的优点或缺点是什么答案

【问题标题】：What are the advantages or disadvantages of having multiple output nodes compared to a few within a neural network与神经网络中的几个输出节点相比，具有多个输出节点的优点或缺点是什么
【发布时间】：2012-05-09 11:02:48
【问题描述】：

与拥有少量输出节点相比，在神经网络中拥有多个输出节点有什么优势或劣势？

例如，如果一个场景可以用 10、3、2 或 1 个输出节点来表示，那么哪个更好？ - 显然这取决于你想如何表示输出，但现在说这并不重要。

或者输出节点的数量对网络的准确性没有影响，只是训练它所需的计算时间？

【问题讨论】：

你的意思是隐藏节点吗？否则，这取决于您希望输出是什么。如果您希望您的 ANN 输出 R、G、B，我会使用 3 个节点而不是 1 个。
我的意思是输出节点。例如说网络输出数字。它可以有一个节点输出 1、3 或 5 等，或者我可以有三个节点以二进制形式输出相同的数据，例如001、011、101等。显然这是一个非常基本的例子，我只是想知道输出节点的数量会如何影响网络的准确性......

标签： algorithm artificial-intelligence machine-learning neural-network

【解决方案1】：

输出节点的数量应与您要计算的值的数量相匹配。对于简单的回归或二元分类，您只需要一个输出节点。对于multiclass classification 或multiple regression，您需要多个输出节点。

特别是，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来完成的，然后检查它是否大于某个阈值（通常为 0 或 .5）。对于具有 k 个类的多类分类，您计算 k 个输出节点的值，然后选择最大值的索引 i 来预测类我。

此外，对于多个输出节点，您可以执行multilabel classification，其中每个类/标签再次有一个输出节点，并预测所有超过阈值的节点为“真”。 k 类的多标签分类也可以由 k 二元分类器执行，但您需要单独训练所有这些，这对于神经网络可能很耗时。

【讨论】：