神经网络——多分类问题

多输出神经网络如图

输出层有多个神经元

这时，h(x)是一个向量。

---

 

当运用在图像识别领域时

如果输出是

\[{h_\Theta }\left( x \right) = \left[ {\begin{array}{*{20}{c}}
1\\
0\\
0
\end{array}} \right]\]

分类为“行人”

如果输出是

\[{h_\Theta }\left( x \right) = \left[ {\begin{array}{*{20}{c}}
0\\
1\\
0
\end{array}} \right]\]

分类为“汽车”

\[{h_\Theta }\left( x \right) = \left[ {\begin{array}{*{20}{c}}
0\\
0\\
1
\end{array}} \right]\]

分类为“摩托车”

---

多分类可以用

y∈{1,2,3,4}

但是在神经网络中我们不这样做，而是使用上述例子中的0,1表示

 

转载于:https://www.cnblogs.com/qkloveslife/p/9871593.html