使用多层感知器进行分类答案

【问题标题】：classification using multilayer perceptron使用多层感知器进行分类
【发布时间】：2013-12-11 01:19:29
【问题描述】：

我想使用带有反向传播算法的多层感知器进行分类。

我有 5 个类，任何输入数据都属于一个类。（没有多类）

例如：C1 C2 C3 C4 C5

输入 1 仅属于 C2 输入 2 仅属于 C5

我应该如何表示每个输入的输出层？？

input layer                   Output Layer
input1             :           0 1 0 0 0
input1             :           0 0 0 0 1

or 
take only single neuron in output layer.
input layer                   Output Layer
input1             :           0.4
input1             :           1.0

if <=0.2 C1
if <=0.4 C2
if <=0.6 C3
if <=0.8 C4
if <=1.0 C5

还有其他更好的方法吗？？

谢谢，阿蒂什

【问题讨论】：

标签： neural-network classification

【解决方案1】：

在 NN 的许多情况下，您最好配置一个输出节点来表示一个类。 :)

【讨论】：

【解决方案2】：

你应该用 5 个二进制输出来表示你的 5 个类。这被称为 1-of-C 编码、one-hot 编码、虚拟变量、指标，...

然后，您需要在输出层中使用softmax activation function，它将为您提供类概率作为输出。此外，您应该使用交叉熵 (CE) 误差函数。 Softmax+CE 将在输出层为您提供与 identity+SSE 相同的梯度：dE/da_i = y_i - t_i。 Softmax+CE 已用于 ImageNet 数据集中多达 20,000 个类。

【讨论】：