Techopedia关于输出层的科普

前言

最近开始随意学习一下深度学习，学习不是很系统，之前也没有基础。学习TensorFlow看到了一些定义，有时候感觉不是很清楚，百度也是很坑（专业知识很少令人满意），于是谷歌找到了一些文章大概科普了输出层(Output Layer)是干什么的。但是我觉得我翻译的这篇文章可能作为其他文章的补充或许更好，因为讲得确实是比较含糊。
原文链接奉上，能力有限，翻译如有错误，敬请指正。

译

定义——输出层是什么意思？

输出层是一个人工神经网络(ann)中的最后一层神经元，用来提供给程序输出值。虽然它们很像神经网络中的其他人工神经元，但是输出层仍然是以一种不同的方式构建或观察，因为它们是这个网络中最后一个“表演者”。

Techopedia关于输出层的解释

一个典型的传统神经网络有三种类型的层：一个或多个输入层、一个或多个隐藏层和一个或多个输出层。有三个单独层的简单前馈神经网络提供了基础而又易于理解的模型。更加复杂以及创新的神经网络的层次可能会超过一个，无论是在哪一层。正如上文所提及的，每种类型的层都会以不同的方式构建。一个传统的人工神经元由一些有权重的输入、一个转换函数以及一个激活函数组成，分别对应于生物的神经元轴突。但是，输出层的神经元将被设计得与众不同，以便精简和改善迭代过程的最终结果。
某种意义上来说，输出层完成了合并且正确提供了最终的结果。但是为了更好地理解神经网络，我们更应该将输入层、隐藏层和输出层看成是一个整体