定义网络拓扑.docVIP

定义网络拓扑 “如何设计神经网络拓扑？”在开始训练前，用户必须说明输入层的单元数、隐藏层数（如果多于一层）、每一隐藏层的单元数和输出层的单元数，以确定网络拓扑。 对训练样本中每个属性的值进行规范化将有助于加快学习过程。通常，对输入值规范化，使得它们落入0.0和1.0之间。离散值属性可以重新编码，使得每个域值一个输入单元。例如，如果属性A的定义域为（a0,a1,a2），则可以分配三个输入单元表示A。即是，我们可以用I0,I1,I2作为输入单元，每个输入单元可以初始化为0。如果A=a0，则I0置为1；如此下去。一个输出单元可以用来表示两个类（值1代表一个类，而值0代表另一个）。如果多于两个类，则每个类使用一个输出单元。 对于“最好的”隐藏层单元数，没有明确的规则。网络设计是一个实验过程，并可能影响结果训练网络的准确性。权的初值也可能影响结果的准确性。一旦网络经过训练，并且其准确率不能被接受，则通常用不同的网络拓扑或使用不同的初始权值，重复训练过程。