确定隐层的节点数.docVIP

确定隐层的节点数 隐层节点数的确定是神经网络设计中非常重要的一个环节，一个具有无限隐层节点的两层BP网络可以实现任意从输入到输出的非线性映射。但对于有限个输入到输出的映射，并不需要无限个隐层节点，这就涉及到如何选择隐层节点数的问题，而这一问题的复杂性，使得至今为止尚未找到一个很好的解析式，隐层节点数往往根据前人设计所得的经验和自己进行试验来确定。一般认为，隐层节点数与求解问题的要求、输入输出单元数多少都有直接的关系。而且，隐层节点数过少，则无法产生足够的连接权组合数来满足若干样本的学习；隐层节点数过多，则学习以后网络的泛化能力变差。确定隐层的节点数有如下几种方法： 1）如果要求逼近的样函数变化剧烈、波动很大，则要求可调整地连接权数多，从而隐层的节点数也应该多一些； 2）如果规定的逼近精度高，则隐含层单元数也应该多一些； 3）可考虑开始时放入较少的隐含层单元，根据以后的学习情况逐渐增加；或一开始就加入足够多的隐层节点，通过学习把不太起作用的连接权和隐层节点删去。 此外，下面还有一些关于关于隐层节点数计算的经验公式： 1.1 式中，k为样本数，为隐节点数，n为输入层单元数，当i〉时，取。 1.2 式中，m为输出节点数，常数。 1.3 kolmogorov定理：给