我是人工神经网络的新手，但请帮我解决这个问题？
我正在尝试实现人工神经网络进行字符识别（使用MLP和SNN），我是否需要在输出层中具有与需要识别的字符数相同数量的神经元。例如，如果我希望我的网络能够识别大写字母，小写字母和数字，我是否需要在输出层中有26 + 26 + 10个神经元。
如果我必须识别Unicode字符集中的所有字符，输出层中需要多少个神经元。
是否有任何方法（动态阈值）来减少此数字或动态添加输出层中的神经元？
如果可能，请提供研究文章的链接。 感谢。
答案 0 :(得分：4)
不，您不需要输出层大小来匹配类的数量。
我认为您需要了解的是输出层的输出只是网络输入的表示。话虽这么说，你可以拥有你想要的任何输出层。如果您想要一个镜像您的类的编码，减少图层中节点数量的最简单方法是使用二进制编码。
示例：您可以使用3个神经元，而不是使用8个类的8个节点（每个类1个节点）
0级是输出0-0-0
1级是输出0-0-1
...
第7类是输出1-1-1
我想你明白了。当然，您不仅可以使用二进制，而且可以使用您能想到的任何编码方法（或谷歌）。