Question

通常，解决XOR的简单神经网络应该有2个输入，隐藏层中有2个神经元，输出层中有1个神经元。

但是，以下示例实现有2个输出神经元，我不明白：

https://github.com/deeplearning4j/dl4j-examples/blob/master/dl4j-examples/src/main/java/org/deeplearning4j/examples/feedforward/xor/XorExample.java

为什么作者在其中放置了2个输出神经元？

修改：该例子的作者指出，他在隐藏层使用4个神经元，在输出层使用2个神经元。但是我仍然没有理解为什么，为什么形状为{4,2}而不是{2,1}？

Answer 1

这称为一个热门编码。这个想法是你每班有一个神经元。每个神经元都给出了该类的概率。

我不知道为什么他会使用4个隐藏的神经元。 2应该足够了（如果我没记错的话）。

Answer 2

作者最后使用Evaluation类（有关网络给出正确结果的频率的统计数据）。该类需要每个分类一个神经元才能正常工作，即一个输出神经元为真，一个为假。

Answer 3

这样思考可能会有所帮助：

Training Set        Label Set

    0 | 1               0 | 1
0 | 0 | 0          0 |  0 | 1
1 | 1 | 0          1 |  1 | 0
2 | 0 | 1          2 |  1 | 0
3 | 1 | 1          3 |  0 | 1

因此，训练集的[[0,0]，0]，[[0,1]，0]等。

如果您使用两列标签集，则0和1对应于true或false。

因此，[0,0]正确映射为false，[1,0]正确映射为true，等等。

可以在这里找到一篇不错的文章，对文章的原始内容稍作修改：https://medium.com/autonomous-agents/how-to-teach-logic-to-your-neuralnetworks-116215c71a49

为什么这个XOR神经网络有2个输出？

3 个答案: