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。