我目前理解并制作了一个简单的神经网络来解决XOR问题。我想建立一个用于数字识别的神经网络。我知道使用MNIST数据我需要784个输入神经元，15个隐藏神经元和10个输出神经元（0-9）。
但是，我不明白如何训练网络以及前馈如何与多个输出神经元一起工作。
例如，如果输入是数字3的像素，网络将如何确定选择哪个输出神经元，并且在训练时，网络将如何知道哪个神经元应该与目标值相关联。
任何帮助，将不胜感激。
因此，您有多个输出的分类问题。我假设您正在为输出层使用softmax激活功能。
网络如何确定选择哪个输出神经元：简单，输出神经元最有可能成为目标类。
网络将使用标准的反向传播进行训练，与只有一个输出的算法相同。
只有一个区别：激活功能。对于二进制分类，您只需要一个输出（例如，数字0和1，如果概率<0.5，则类为0，否则为1）。
对于多类分类，每个类都需要一个输出节点;那么网络将选择最有可能成为目标类的节点。