تحاول الانحدار الترتيبية حل مشكلات التصنيف التي لا تكون فيها الفئات مستقلة، بل تتبع ترتيبًا طبيعيًا. من الضروري تصنيف كل فئة بشكل صحيح مع تعلم العلاقات الترتيبية بين الفئات بشكل كافٍ. نقدم طريقة بسيطة وفعالة تُحدِّد هذه العلاقات بين الفئات من خلال دمج عقوبات قياسية بشكل سلس في تمثيلات التسميات الصحيحة. يُمكّن هذا التشفير الشبكات العصبية العميقة من تعلم العلاقات داخل الفئة وخارجها تلقائيًا دون أي تعديل صريح على هيكل الشبكة. تحول طريقة التشفير هذه التسميات إلى توزيعات احتمالية ناعمة تتناسب جيدًا مع دوال الخسارة الشائعة للتصنيف مثل التباعد المعلوماتي. نُظهر فعالية هذه الطريقة باستخدام شبكات تصنيف وتقسيم جاهزة في أربع سيناريوهات مختلفة تمامًا: تصنيف جودة الصور، وتقدير العمر، وانحدار خط الأفق، وتقدير العمق من منظور واحد. ونُظهر أن طريقة عامة ذات استخدام واسع تكون تنافسية للغاية مقارنة بالطرق المتخصصة، وتناسب جيدًا مجموعة متنوعة من هياكل الشبكات والمقاييس المختلفة.