没有什么可以阻止您，您可以将密集神经网络设置为具有任何大小的输入或输出（简单的证明是想象一个没有激活的单层神经网络只是一个线性变换并且给定输入昏暗$n$和输出暗淡$m$, 它只是一个矩阵$n$X$m$，这虽然适用于任意数量的隐藏层）

更好的问题是你应该吗？. 老实说，这取决于您拥有的数据，但是，通常，只有 120 个示例，如果真正的解决方案是一个非常简单的函数，那么您要么完全过度拟合，要么做得相对较好，但一般来说，在常见情况下如果不是这种情况，我发现自己更有可能或不使用贝叶斯方法，所以我实际上可以考虑信心（数据很少，这真的很好）

感知器收敛定理指出，任何架构都会导致数据之间的相关性。

是的你可以！