algorithm - ニューラルネットワーク内のいくつかと比較して、複数の出力ノードを持つことの長所または短所は何ですか

Question

少数の出力ノードと比較して、ニューラルネットワークに多数の出力ノードがあることの長所または短所はありますか？

たとえば、シナリオを10、3、2、または1つの出力ノードで表すことができる場合、どちらが優れていると見なされますか？-明らかに、出力をどのように表現したいかによって異なりますが、今のところ問題ではないと言います。

または、出力ノードの数はネットワークの精度に影響を与えませんか？それをトレーニングするために必要な計算時間だけですか？

Answer 1

出力ノードの数は、計算する値の数と一致する必要があります。単純な回帰または二項分類の場合、必要な出力ノードは1つだけです。マルチクラス分類または重回帰の場合、複数の出力ノードが必要です。

特に、フィードフォワードニューラルネットを使用した二項分類は、単一の出力ノードのアクティブ化を計算し、それが特定のしきい値（通常は0または.5）よりも大きいかどうかをチェックすることによって行われます。k個のクラスを使用するマルチクラス分類の場合、 k個の出力ノードの値を計算してから、最大値のインデックスiを選択してクラスiを予測します。

また、複数の出力ノードを使用すると、マルチラベル分類を実行できます。ここでも、クラス/ラベルごとに1つの出力ノードがあり、しきい値を超えるすべてのノードについて「真」を予測します。k個のクラスを使用したマルチラベル分類もk個のバイナリ分類器で実行できますが、それらすべてを個別にトレーニングする必要があり、ニューラルネットワークでは時間がかかる可能性があります。