理论上哪种方法最好？

Question

说我想用神经网络识别我的角色。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，两个层内的单极性功能。动量反向传播用于学习过程。

以下哪种方法应该给出最好的结果（其中x是第一层中神经元的数量）？我认为最好的正确识别百分比。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，每个输出都经过测试与阈值相关，可能会发生2个或更多网络将图像识别为“他们自己的”
3. 同上，但现在每个网络的输出都被归一化（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＆＃34; 2个或更多网络将图像识别为＆＃34;他们自己的＆＃34;＆＃34;肯定会多次发生，以及你之后如何在他们之间进行判断？ 1将合理地工作。 3是softmax输出函数背后的基本思想，softmax通常最适用于分类任务，特别是与交叉熵误差函数结合使用时。