二元约束的Tensorflow神经网络回归

我在tensorflow中编写了一个简单的softmax回归神经网络，具有6个特征和6个目标。但是，我想对其中两个目标施加某种二进制类型的约束，这样当它找到一个目标时，另一个目标将被迫为零。也就是说，如果目标为y1、y2、y3、y4、y5、y6，则作为示例，当y3存在值时，y4=0，反之亦然。注意，这在训练数据上是明确的，但我只想确保网络能够有效地捕捉到这一点，因为这是一个硬约束。可能吗？还是我们希望网络了解这种约束

这是否意味着您在训练数据中将两个输出节点解码为[01]或[10]？是的。但这是一个回归，所以当值为1时，这两个节点的实际值可以是任何值，我相信你已经计算过了。你考虑过将这两个节点合并成一个节点吗？例如，如果一个值低于0.5，则为A类，否则为B类。这样，您将使它们隐含地相互排斥。我不确定这是否可行（或者我不明白）因为这是对所有六个目标同时进行的softmax回归，这意味着概率可以是0到1之间的任何值，我们不能设置0.5阈值。