我的输出层应该有 1 个还是 3 个神经元？

最简单的做法是创建 3 个独立的网络，一个用于您要近似的每个函数。

虽然如果您通过多任务框架将所有 3 个输出组合到同一个模型中肯定会有所帮助，但我建议从更直观的单独网络开始。然后，如果您想看看将它们组合在一个网络下是否可以提高您的性能，您可以查看如何在 keras中创建具有多个输出的模型。

另外，我应该对输出层使用 relu 还是线性激活函数？

线性的，绝对的。

对于我的指标，我应该使用“准确度”还是“r2”？

准确性是分类的指标，而不是回归的指标。可以使用，但对于某些问题，它不是很可靠。您可以尝试以及MSE、MAE、 MSLE （预测/实际值的 s 的 MSE）等。$r^2$$r^2$$log$

为每个函数创建不同的网络，每个函数都有一个输出。

确保每个网络中至少有一个隐藏层。在这一层使用 ReLU。在输出端使用线性层，没有任何激活函数。

由于您正在执行回归，因此请使用均方误差来评估您的网络https://en.wikipedia.org/wiki/Mean_squared_error。