1樓：小小何先生
當然可以，還結合了整合學習，將原來的多分類問題隨機轉化多個二分類問題來訓練學習器。經典的乙個演算法就是糾錯輸出編碼法（Error-Correcting Output Codes，ECOC）
將每個類別對應乙個長度為n的二進位制位串（稱為碼字），共形成m個碼字，這些碼字的同一位描述了乙個二值函式。學習結束後獲得n個二分器，在分類階段，每個二分器對輸入樣本產生的輸出形成輸出向量，然後由決策規則判定輸入樣本的類別。
2樓：王華
你這描述的。
二分類本來就可以輸出層乙個單元，也可以兩個。
單輸出的啟用函式sigmoid，loss函式binary_crossentropy
雙輸出的啟用函式softmax，loss函式categorical_crossentropy
如果兩分類以上的，還想單個輸出，那個就是回歸問題了，實踐已經證明，這樣效果不好。
3樓：普羅公尺·羞羞
那你就把分類問題轉為了回歸問題。
二分類應該效果相差不大，多分類就不行了，因為分類之間是平等的關係，但是你這麼做就有了順序關係，這麼建模與實際相差較大，效果會變差。
用卷積神經神經網路做遙感影象分類，需要對影象做哪些預處理？
檸檬陳 對地物資訊分類。那我感覺你這個問題有點像影象語義分割啊。emmm.真按分割做的話好像難度係數太大。我之前有做過簡單的遙感影象語義分割。但是題主你的描述，感覺問題更複雜些。好吧回到你的問題 先做個預處理，去噪，把img的直方圖畫出來，看看雜訊，看看pixel value分布啥的。有條件的話，做...
為什麼對神經網路進行Lipschitz約束不能直接獲得對對抗攻擊魯棒的模型？
個人乙個直觀的感覺是對於l2 attack是有用的，但是在影象裡面的話，generalization 可能會變差，具體也只能給一些intuition 的解釋。 沼澤人 個人愚見這麼做應該是可以的，只是目前基於對抗訓練的方法更流行。比如 Deep Defense Training DNNs with ...
Unet神經網路為什麼會在醫學影象分割表現好？
jacob benseal 對醫學影象不太懂，但跨層鏈結會對小感受野有更好的特徵提取效果吧。對ocr分割效果也不錯，ocr中的實體都比較小，可能醫學影象也這樣吧 日本寶刀 U net這東西我用過兩次，一次是用fcn做saliency detection，他的特別之處在於結合低層特徵和高層特徵，讓網路...