多輸出神經網絡如圖
輸出層有多個神經元
這時，h(x)是一個向量。
當運用在圖像識別領域時
如果輸出是
\[{h_\Theta }\left( x \right) = \left[ {\begin{array}{*{20}{c}}
1\\
0\\
0
\end{array}} \right]\]
分類為“行人”
如果輸出是
\[{h_\Theta }\left( x \right) = \left[ {\begin{array}{*{20}{c}}
0\\
1\\
0
\end{array}} \right]\]
分類為“汽車”
\[{h_\Theta }\left( x \right) = \left[ {\begin{array}{*{20}{c}}
0\\
0\\
1
\end{array}} \right]\]
分類為“摩托車”
多分類可以用
y∈{1,2,3,4}
但是在神經網絡中我們不這樣做，而是使用上述例子中的0,1表示