Да, можно получить ряд ответов от Искусственной Нейронной Сети. Это зависит от того, как вы настроили свои нейроны.
Искусственные нейронные сети принимают решения, обучаясь на примерах с известными решениями, обычно в тысячах случаев, когда известны входные и ожидаемые результаты.
Они "обучаются", рекурсивно корректируя вес каждого нейрона, сравнивая его выход с ожидаемым выходом.
Ваш первый слой нейронов - это ваш вклад. Ваш последний слой - это ваши выводы. Если ваш последний слой имеет 2 нейрона, то вы получите один из двух выходов.
Нет ограничений на количество входов и выходов, которые может иметь искусственная нейронная сеть. Проверьте эти диаграммы:
![enter image description here](https://i.stack.imgur.com/ZzWyM.jpg)
![enter image description here](https://i.stack.imgur.com/mfq5V.png)
Вот репозиторий для созданной мною Искусственной нейронной сети, который предсказывает вывод гейта XOR. Надеюсь, это поможет!
Вот таблица истинности для ворот XOR для ясности.
![enter image description here](https://i.stack.imgur.com/fzYzP.jpg)
[UPDATE]
Чтобы прямо ответить на ваш вопрос о классификации изображений, я считаю, что искусственные нейронные сети - хороший подход.
Вот статья , которую я нашел полезным для понимания реализации классификатора изображений. Вы также можете поэкспериментировать с Tenserflow с приложением нейронной сети с графическим интерфейсом, которое представляет собой интуитивно понятный подход к пониманию работы нейронных сетей.