neural-network - 是否有关于人工神经网络应该有多大的规则/好的建议？

Question

我上一次关于 ANN 的讲座是不久前，但我目前正面临一个我想使用的项目。

所以，基础知识——比如什么类型（多层前馈网络），由进化算法训练（这是项目给定的），有多少输入神经元（8）和多少输出神经元（7）——是放。但我目前正试图弄清楚我应该使用多少隐藏层以及每个层中有多少神经元（ea 不会修改网络本身，而只会修改权重）。

是否有一般规则或关于如何解决这个问题的指南？

Answer 1

解决这个问题的最佳方法是实现级联相关算法，其中隐藏节点根据需要顺序添加以降低网络的错误率。这已被证明在实践中非常有用。

当然，另一种选择是对各种值进行蛮力测试。我认为“10 或 20 好”之类的简单答案没有意义，因为您是通过基函数直接解决高维空间中数据的可分离性问题。

Answer 2

典型的神经网络依赖于隐藏层来收敛于特定的问题解决方案。大约 10 个神经元的隐藏层是输入和输出神经元很少的网络的标准。但是，试错法通常效果最好。由于神经网络将通过遗传算法进行训练，因此隐藏神经元的数量可能不会发挥重要作用，尤其是在训练中，因为其神经元上的权重和偏差会被反向传播等算法修改。

Answer 3

正如 rcarter 建议的那样，反复试验可能会做得很好，但是您可以尝试另一件事。

您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。

我对一堆随机森林做了类似的事情，试图找到最佳数量的树、分支和给每棵树的参数等。