问用于年龄的神经网络顺序分类

EN

我已经创建了一个简单的神经网络(Python，Theano)，根据选择的不同商店的消费历史来估计一个人的年龄。不幸的是，它并不是特别准确。

网络不知道顺序性的事实可能会损害准确性。对于网络，年龄分类之间没有关系。它当前正在从softmax输出层中选择概率最高的年龄。

我曾考虑将输出分类更改为每个年龄的加权概率的平均值。

例如，给定的年龄概率：( 10岁: 20%，20岁: 20%，30岁: 60%)

Rather than output: Age 30 (Highest probability)
Weighted Average: Age 24 (10*0.2+20*0.2+30*0.6 weighted average)

这个解决方案感觉不太理想。是否有更好的was在神经网络中实现顺序分类，或者是否有更好的机器学习方法可以实现？(例如逻辑回归)