Czytałem o sieci neuronowej jakiś czas temu i rozumiem, jak SSN (zwłaszcza wielowarstwowy perceptron, który uczy się przez wsteczną propagację) może nauczyć się klasyfikować zdarzenie jako prawdziwe lub fałszywe.

Myślę, że są dwa sposoby:

1) Otrzymujesz jeden neuron wyjściowy. To jest wartość> 0.5 zdarzenia prawdopodobnie są prawdziwe, jeśli jego wartość jest <= 0.5, zdarzenie prawdopodobnie będzie fałszywe.

2) Otrzymujesz dwa neurony wyjściowe, jeśli wartość pierwszego jest> niż wartość drugiego zdarzenia jest prawdopodobne i odwrotnie.

W takim przypadku, SSN informuje, czy zdarzenie jest prawdopodobne lub prawdopodobnie fałszywe. Nie mówi, jakie to prawdopodobne.

Czy istnieje sposób, aby przekonwertować tę wartość na pewne szanse lub bezpośrednio wyeliminować szanse z ANN. Chciałbym uzyskać wynik typu „Zdarzenie ma 84% prawdopodobieństwa, aby było prawdziwe”