为什么这个 XOR 神经网络有 2 个输出？

Question

一般来说，一个简单的异或神经网络应该有2个输入，2个隐藏层神经元，1个输出层神经元。

但是，下面的示例实现有 2 个输出神经元，我不明白：

https://github.com/deeplearning4j/dl4j-examples/blob/master/dl4j-examples/src/main/java/org/deeplearning4j/examples/feedforward/xor/XorExample.java

为什么作者要放2个输出神经元？

编辑：该示例的作者指出，他在隐藏层使用 4 个神经元，在输出层使用 2 个神经元。但我仍然不明白为什么，为什么形状是 {4,2} 而不是 {2,1}？

Answer 1

作者最后使用了评估 class（用于统计网络给出正确结果的频率）。此 class 每个 class 化需要一个神经元才能正常工作，即一个输出神经元用于 true，一个用于 false。

Answer 2

这叫做一个热编码。这个想法是每个 class 有一个神经元。每个神经元给出 class.

的概率

我不知道他为什么用4个隐藏神经元。 2 应该足够了（如果我没记错的话）。

Answer 3

这样想可能会有所帮助：

Training Set        Label Set

    0 | 1               0 | 1
0 | 0 | 0          0 |  0 | 1
1 | 1 | 0          1 |  1 | 0
2 | 0 | 1          2 |  1 | 0
3 | 1 | 1          3 |  0 | 1

因此训练集的 [[0,0], 0], [[0,1], 0] 等。

如果您使用的是两列标签集，0 和 1 对应于 true 或 false。

因此，[0,0] 正确映射到 false，[1,0] 正确映射到 true，等等

一篇稍加修改的不错的文章可以在这里找到：https://medium.com/autonomous-agents/how-to-teach-logic-to-your-neuralnetworks-116215c71a49

为什么这个 XOR 神经网络有 2 个输出？

Why is this XOR neural network having 2 outputs?

artificial-intelligence

xor

neural-network

deep-learning

deeplearning4j