我目前了解并制作了一个简单的神经网络来解决XOR问题。我想建立一个用于数字识别的神经网络。我知道使用MNIST数据需要784个输入神经元，15个隐藏神经元和10个输出神经元（0-9）。
但是，我不了解如何训练网络以及前馈如何与多个输出神经元一起工作。
例如，如果输入是数字3的像素，则网络将如何确定选择哪个输出神经元，以及在训练时，网络将如何知道哪个神经元应与目标值相关联。
任何帮助将不胜感激。
答案 0 :(得分：3)
因此，您有多个输出的分类问题。我假设您正在对输出层使用softmax激活功能。
网络如何确定选择哪个输出神经元：简单，最有可能成为目标类别的输出神经元。
将使用标准反向传播对网络进行训练，该算法与只有一个输出时将具有的算法相同。
只有一个区别：激活功能。 对于二进制分类，只需要一个输出（例如，数字为0和1，如果概率<0.5，则类别为0，否则为1）。
对于多类分类，每个类都需要一个输出节点。然后网络将选择最有可能成为目标类别的节点。