关于人工神经网络应该有多大，有没有一个规则/好的建议？

Question

我上一次关于ANN的讲座是在一段时间之前，但我现在正面临一个项目，我想使用一个项目。

因此，基础知识-比如由进化算法(由项目给定)训练的类型(多层前馈网络)，设置了多少个输入神经元(8个)和多少个输出神经元(7个)。但我目前正在试图弄清楚我应该使用多少隐藏层，以及这些层中的每一层中有多少神经元( ea不会修改网络本身，而只是修改权重)。

有没有关于如何弄清楚这一点的一般规则或指导方针？

Answer 1

典型的神经网络依赖于隐藏层，以便收敛到特定的问题解决方案。对于输入和输出神经元很少的网络，大约10个神经元的隐藏层是标准的。然而，试错方法通常效果最好。由于神经网络将由遗传算法训练，因此隐含神经元的数量可能不会在训练中发挥显着作用，因为它会影响神经元上的权重和偏差，而这些权重和偏差会被像反向传播这样的算法修改。

Answer 2

解决这个问题的最好方法是实现级联相关算法，其中根据需要顺序添加隐藏节点，以降低网络的错误率。这在实践中已经被证明是非常有用的。

当然，另一种选择是对各种值进行蛮力测试。我不认为像"10或20是好的“这样的简单答案是有意义的，因为您通过基函数直接解决了高维空间中数据的可分性。

Answer 3

正如rcarter所建议的，尝试和错误可能会做得很好，但您可以尝试另一种方法。

你可以使用遗传算法来确定隐藏层的数量或其中的神经元数量。

我用一堆随机的森林做了类似的事情，试图找到树的最佳数量，树枝和给每棵树的参数，等等。