我试图理解使用只有一个输出神经元的神经网络与输出层有多个神经元的神经网络之间的区别。

我知道使用这种类型的神经网络可以解决像XOR逻辑门这样的问题，实际上，我可以使用隐藏层中较少神经元的ANN来实现。

但我不是很清楚何时以及为何应该使用这种拓扑结构的神经网络，其中可以看到ANN在输出层有多个神经元。

有谁知道其中的区别吗？

回答：

网络架构（单输出和多输出）是专门用于二元、多类别和多标签问题的。

让我们考虑以下你可以选择的选项 –

二元分类 – 你试图预测获得正类别的概率。在这种情况下，正类和负类是仅有的两个选项。输出在这种情况下是一个介于0和1之间的概率值。这里使用的损失函数是binary_crossentropy

多类别分类 – 你试图单独预测多个类别的概率。你试图为每个n个类别（其中n>=2）获得0到1的概率预测。如果每个样本属于单个类别，那么它被称为多类别单标签分类。

多标签分类 – 你面临的情况是每个样本可以属于多个类别。这里你处理的是多类别多标签问题。这也为每个n个类别提供了一个0到1的概率值，并且在这种情况下使用的损失与你用于二元分类的情况相同。

所以，归根结底，这取决于你是如何设置你的问题的。