使用单个神经元对多个输出进行分类

Question

我是AI的初学者，所以如果我问一个愚蠢的问题，我很抱歉。我想要做的是只训练一个感知器来分类4类中的一些输入。我知道，通常情况下，感知器是一个二元分类器，但我想知道我是否可以打破这个具有非常简单的分类规则的特殊情况的规则。数据样本包含由笛卡尔坐标给出的点。事实上，x坐标始终是[1,4]之间的整数，y坐标将取0到1之间的值，只有1位精度。 （[0：.1：1] Matlab表达式）。这些类仅取决于X坐标。该类只是X坐标。例如（1，0.3）在1级，（3,0.2）在3级。可以训练只有1个感知器来学习这个规则吗？提前致谢

Answer 1

答案是否定的，不是标准二进制双极阈值感知器。除非你有一些疯狂的非线性感知器，它已经在传递函数中内置了逻辑，否则你将需要更多的神经元来逼近逻辑。请记住，您的传递函数越非线性，您的训练就越复杂。

以XOR operator为例。即使是简单的逻辑门，也需要2个隐藏的神经元。 Here's a reference of what I'm talking about for XOR

对于那些质疑二元感知器的OP含义的人来说，OP意味着这一点。