machine-learning - 用于分类的多输出与多个单输出神经网络

Question

与使用多个一对一的神经网络相比，是否存在支持或反对使用单个多输出神经网络进行多类分类的理论论证？

在这两种情况下，一旦获得所有输出值，就会使用相同的决策规则:具有最高激活值的输出“获胜”并决定预测返回哪个类。

但我想知道在同一个神经网络上计算所有输出而不是单独计算是否(以及为什么)更好或更差。

Answer 1

我主要反对使用相同的神经网络结构进行多重分类。这在其他人工智能结构中非常罕见。您不能使用支持向量机或决策树来执行此操作。我认为这有点混淆了问题。

支持它的论点是隐藏层只是较低级别的特征检测器。您的多重分类(或回归)输出神经元现在独立使用您的输入层和隐藏层传递的较低级别特征。

我还没有尝试过将它们组合到同一个人工神经网络中还是单独的人工神经网络中。我的猜测是，成功的程度与多个分类试图实现的目标之间的相似性有关。