我正在尝试在this model中重新创建this paper。下面的引用文字描述了模型的体系结构。
根据我的理解（如果正确，请纠正），每个输入信号被解码为20个特征，然后根据目标值将这些特征输入三个初始模型中的一个。初始模型是具有softmax激活的简单MLPNN，可提供类的热编码输出。每个初始模型都经过训练，使其结果良好，并对一个输出进行分类（每个模型本质上都是一种二进制分类器）。
隐藏神经元的数量为20，输出的数量为3。具有目标输出的样本分别为A（睁眼的健康志愿者记录的EEG信号），D组（在癫痫发作期间癫痫病区的癫痫患者记录的EEG信号）无癫痫发作间隔）和E集（癫痫发作期间从癫痫患者记录的EEG信号）的二进制目标值分别为（0,0,1），（0,1,0）和（1,0， 0）。训练了第二级神经网络，以结合第一级网络的预测。第二级网络具有9个输入，它们对应于第一级网络的三组输出。二级网络的目标与原始数据的目标相同。输出数量为三，隐藏神经元的数量为25。
我的问题与X_train和y_train尺寸有关，尤其是本节。
分别给初始模型输出提供（0,0,1），（0,1,0）和（1,0,0）的二进制目标值。训练了第二级神经网络以结合第一级网络的预测。
第二级神经网络的输入只是初始模型所有输出的串联吗？
如何在keras中定义初始模型的二进制输出层？具体来说，我如何确保每个模型都学会分类。
感谢您的时间。