神經網絡如何根據輸出信號判斷樣本類別？

1. 人類認識、熟悉某些事物，就是一個分類的過程，比如認識一個人，包括：不同的照片、本人形象（變化的身高、體重、髮型、服裝）等，圖像信息通過眼睛進入大腦，不斷的更新記憶，形成對該人的一個確定印象模式，從而再次見到時立即能夠識別出來。
2. 神經網絡的目的是使用輸出的數據來推測輸入樣本的類別，所以神經網絡訓練的數據也要對特定事物圖像進行分類，形成一個分類數據集合，可以定義爲輸入樣本空間，相應的也有一個訓練標籤輸出分類集合，可以是樣本名稱、編號等，以輸入樣本空間元素索引作爲輸出層神經元索引，在進行每個樣本訓練時，實時設定該樣本索引對應的輸出層神經元索引爲最大信號輸出端，如：設定目標信號量爲0.99，其他的爲最小信號輸出端，如：設定目標信號量爲0.01，使用反向傳播BP方式調整網絡權重，經過多次訓練後，輸出誤差不斷減小，在使用測試樣本時，就可以根據輸出最大信號的神經元索引來確定樣本類別。