Nachdem wir verstanden haben, wie ein Bild als Eingangssignal eines neuronalen Netzes aufgefasst werden kann, beschreiben wir noch die Ausgangssignale: Üblicherweise möchten wir eine Klassifizierungsaufgabe lösen, d.h., es ist beispielweise zu unterscheiden, ob es sich beim Eingangssignal eines 6 x 6-Bildes um einen lachenden, einen neutralen oder einen traurigen Smiley handelt:
Wir haben in diesem Falle drei Kategorien und verwenden daher auch drei Ausgangsneuronen, welche wir zusammen als Ausgangssignal bezeichnen. Als kleine Zusammenfassung:
Für jedes Eingangssignal kann das zugehörige Ausgangssignal bestimmt werden (sofern Gewichte und Schwellwerte des neuronalen Netzes bekannt sind). Jedes Ausgangsneuron steht für eine Klasse bzw. Kategorien. Die Werte der einzelnen Ausgangsneuronen können als Wahrscheinlichkeit dafür interpretiert werden, dass es sich um das zugehörige Objekt handelt. Dabei ist eine 1.0 als 100 Prozent zu verstehen.
Falls man sich für eine Klasse entscheiden muss (oder möchte), so ist die Klasse zu wählen, dessen Ausgangsneuron den größten Wert hat.
