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