machine-learning - 神经网络分类器

Question

当您在任何配置中在一维空间中有 2 个类 A 和 2 个元素和 B 类时有一个元素。任务是区分这两个类，对它们进行分类。如果您可以选择任意激活函数，那么可以解决此问题的最少神经元数量是多少。

我在想你总是必须使用至少两个神经元还是我错了？

Answer 1

您的问题与感知器的经典 XOR 问题有些相关。让我们假设一下，它是关于具有特定激活函数的神经网络 - 二元阈值 - 感知器具有。然后任务变成一维异或问题，然后确实需要隐藏层中的 2 个神经元和输出层中的 1 个神经元来解决它。但是您提到可以选择任意激活函数。在这种情况下，我们可以选择径向基函数(RBF) 网络。如果可以将 A 类表示为大于 T 的输出值，将 B 类表示为小于 T 的输出值，则只需 1 个 RBF 神经元就足以区分这些类。如果您希望每个类都有自己的输出（该值可以视为属于相应类的输入数据的概率度量），那么您需要 2 个 RBF 神经元。