通常在训练网络从给定数据中决定两个值时，我注意到以下两点。

1.) 每个决策使用两个输出神经元，通过选择数值较高的神经元来做出正决策。

2.) 每个决策使用一个神经元，并设定一个阈值，例如0.5，因此通过检查神经元输出值是否>=0.5来做出正决策。

假设希望网络根据输入数据进行预测，例如每次从给定图像中预测形状的中心点，除了将输出神经元设为可能的结果数量（这肯定是所有像素数乘以2，因为可能的X,Y值对），还能做些什么呢？

具体来说，如何使输出神经元激活，例如输出432,50作为中心点，假设可能的中心点X,Y坐标范围从0到450[换句话说，人造神经元能否被建模为类似于祖母细胞，如果不能，为什么]？

回答：

你可以将[0,1]的输出缩放到你想要的范围。

如果你希望输出X ∈ [0,500]和Y ∈ [0,500]，你可以有两个输出，两个都输出[0,1]，然后将每个结果乘以500。

你还应该将输入数据缩放到某个统一范围。有些函数要求输入在特定范围内（例如[0,1]），例如，某些输入集在[0,10]范围内，而另一些在[0,1000]范围内，可能会使网络感到困惑，或者不同特征在不同范围内可能会使网络难以适当加权这些特征。

如果你的输出与输入在同一范围内，确定输入的缩放比例也将告诉你需要如何缩放输出。