如果我需要对神经网络中给定的对象进行分类，并且有4个类别可供选择，那么Sigmoid函数是如何工作的呢？

我应该在隐藏层中设置4个神经元，每个神经元对应一个类别吗？比如，如果第一个神经元的输出最大，比如0.8，那么它就是第一类？

还是应该在输出层设置一个神经元，它将隐藏层的输出作为输入，传递给激活函数，然后根据输出进行分类，如下所示：

if (output < 0.25) return class1;...if (output <= 1) return class4;

请帮助我，我已经搜索了很长时间，读了很多文章和书中的一些章节，但从未提到过这个问题，这让我快要崩溃了。

回答：

独热编码

经典方法会在最后一层使用独热编码，即，如果一个项目属于四个可能类别中的第三类，那么你会将其编码为向量[0 0 1 0]，因此你的输出层将有四个神经元。

在训练时，你可能需要 normalizing 输出，使其总和为1 – 即，如果它能返回[1 2 1 0]，那么你会将其视为[0.5 1 0.5 0]。

这一切都指的是实际的最终层 – 隐藏层的大小几乎是任意的（并且可能远大于你的输出层），并且其中特定神经元的“含义”不是预先设定的，而是从数据中学习的。