Neural network 多层感知器分类

我想用多层感知器和回溯算法进行分类

我有5个类，任何输入数据都属于一个类。（没有多个类）

例：C1 C2 C3 C4 C5

输入1只属于C2 输入2只属于C5

我应该如何表示每个输入的输出层

input layer                   Output Layer
input1             :           0 1 0 0 0
input1             :           0 0 0 0 1

or 
take only single neuron in output layer.
input layer                   Output Layer
input1             :           0.4
input1             :           1.0

if <=0.2 C1
if <=0.4 C2
if <=0.6 C3
if <=0.8 C4
if <=1.0 C5

输入层输出层
输入1:0 1 0 0 0
输入1:0 1
或
只取输出层中的单个神经元。
输入层输出层
输入1:0.4
输入1:1.0
如果在NN的许多情况下，最好配置一个输出节点来表示一个类。：）
 您应该用5个二进制输出来表示5个类。这被称为C中的1编码、单热编码、虚拟变量、指示符等

然后，您需要在输出层中添加一个属性，它将为您提供类概率作为输出。此外，还应使用交叉熵（CE）误差函数。Softmax+CE将在输出层为您提供与identity+SSE相同的渐变：
dE/da_i=y_i-t_i
。Softmax+CE已用于ImageNet数据集中多达20000个类