我正试图编写一个模型，输出一个长度为N的向量，该向量由标签-1，0和1组成。每个标签描述了系统参与者(无线设备)的三个决策之一。因此，向量描述了一个系统状态，然后在下一步中传递给优化问题。由于修复问题公式正在等待输出向量，因此不可能选择0，1和2。
在遇到此tanh函数以提供-1,0和1值后：1.5 * backend.tanh(alpha * x) + 0.5 * (backend.tanh(-(3 / alpha) * x))，我想知道这个输出层和倒数第二层是如何构建的，以支持这个标签向量{-1,0,1}。我试着在一个简单的Iris分类器的输出层中使用上面的函数。但与使用0,1,2和softmax输出层实现的精度相比，这导致了糟糕的精度。
提前感谢，致以亲切的问候，Yuka
看起来输出实际上并不是"数字相关"；，因为没有更好的术语。意思是，标签也可以是"；"左"对"向上"；。所以我认为你最好的选择是在最后一层中有3个输出节点，使用softmax激活函数，三个节点中的每个节点代表三个标签中的每个标签，使用交叉熵损失函数。
如果你的训练数据当前的目标是-1/0/1，你应该对它进行一次热编码，使每个目标都是一个长度为3的向量。所以标签0可能是[0,1,0]