1楼：匿名用户
1、神经网络算bai法隐含层的选du取
1.1 构造法
首先运用三种zhi确dao定隐含层
回层数的方法得到答三个隐含层层数，找到最小值和最大值，然后从最小值开始逐个验证模型**误差，直到达到最大值。最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。
1.2 删除法
单隐含层网络非线性映射能力较弱，相同问题，为达到预定映射关系，隐层节点要多一些，以增加网络的可调参数，故适合运用删除法。
1.3**分割法
算法的主要思想:首先在[a,b]内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力。为满足高精度逼近的要求，再按照**分割原理拓展搜索区间，即得到区间[b,c](其中b=0.
619*(c-a)+a)，在区间[b,c]中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。
bp算法中,权值和阈值是每训练一次，调整一次。
逐步试验得到隐层节点数就是先设置一个初始值，然后在这个值的基础上逐渐增加，比较每次网络的**性能，选择性能最好的对应的节点数作为隐含层神经元节点数。
2楼：匿名用户
我自己总结的bai
：1、神经网络算du法zhi
隐含层的选取
1.1 构造法
首先运用三种确定dao隐含层层回
数的答方法得到三个隐含层层数，找到最小值和最大值，然后从最小值开始逐个验证模型**误差，直到达到最大值。最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。
1.2 删除法
单隐含层网络非线性映射能力较弱，相同问题，为达到预定映射关系，隐层节点要多一些，以增加网络的可调参数，故适合运用删除法。
1.3**分割法
算法的主要思想：首先在[a,b]内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力。为满足高精度逼近的要求，再按照**分割原理拓展搜索区间，即得到区间[b,c]（其中b=0.
619*（c-a）+a），在区间[b,c]中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。
bp神经网络中隐藏层节点个数怎么确定最佳？
3楼：匿名用户
1、神经网络算法隐含层的选取
1.1 构造法
首先运用三种确定隐含层层数的方法得版到三个隐含层层数，找到最小权值和最大值，然后从最小值开始逐个验证模型**误差，直到达到最大值。最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。
1.2 删除法
单隐含层网络非线性映射能力较弱，相同问题，为达到预定映射关系，隐层节点要多一些，以增加网络的可调参数，故适合运用删除法。
1.3**分割法
算法的主要思想:首先在[a,b]内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力。为满足高精度逼近的要求，再按照**分割原理拓展搜索区间，即得到区间[b,c](其中b=0.
619*(c-a)+a)，在区间[b,c]中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。
bp算法中,权值和阈值是每训练一次，调整一次。
逐步试验得到隐层节点数就是先设置一个初始值，然后在这个值的基础上逐渐增加，比较每次网络的**性能，选择性能最好的对应的节点数作为隐含层神经元节点数。
4楼：匿名用户
我自己总结来的：
1、神经网络算源法隐含
层的选取bai
1.1 构造法
首先运用du三种确定隐含层层数的zhi方法得到三个隐dao含层层数，找到最小值和最大值，然后从最小值开始逐个验证模型**误差，直到达到最大值。最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。
1.2 删除法
单隐含层网络非线性映射能力较弱，相同问题，为达到预定映射关系，隐层节点要多一些，以增加网络的可调参数，故适合运用删除法。
1.3**分割法
算法的主要思想：首先在[a,b]内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力。为满足高精度逼近的要求，再按照**分割原理拓展搜索区间，即得到区间[b,c]（其中b=0.
619*（c-a）+a），在区间[b,c]中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。