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与使用多个一对一的神经网络的理论争论?
在这两种情况下，一旦获得所有输出值，使用相同的决策规则:具有最高激活的输出"获胜"并决定预测返回哪个类。
但我想知道是否-以及为什么-在同一个NN上计算所有输出比分别计算更好或更坏。
大多数情况下，我反对使用相同的神经网络结构进行多个分类。这在其他AI结构中非常罕见。你不能用支持向量机或决策树来做这些。我认为这在某种程度上混淆了问题。
支持它的论点是，你的隐藏层只是较低级别的特征检测器。你的多个分类(或回归)输出神经元现在独立地使用你的输入层和隐藏层传递的低级特征。
我没有尝试将这些组合成相同的ANN与单独的。我的猜测是，成功的程度将与多个分类试图完成的目标之间的相似性有关。