導航:首頁 > 網路問題 > 神經網路輸入量怎麼設置

神經網路輸入量怎麼設置

發布時間:2024-12-29 10:38:33

A. 神經網路對輸入變數個數有沒有要求,六十個可以嗎

可以,但是網路規模太大,很臃腫,需要調整的參數過多,影響收斂速度。

關於隱層節點數:在BP 網路中,隱層節點數的選擇非常重要,它不僅對建立的神經網路模型的性能影響很大,而且是訓練時出現「過擬合」的直接原因,但是目前理論上還沒有一種科學的和普遍的確定方法。 目前多數文獻中提出的確定隱層節點數的計算公式都是針對訓練樣本任意多的情況,而且多數是針對最不利的情況,一般工程實踐中很難滿足,不宜採用。事實上,各種計算公式得到的隱層節點數有時相差幾倍甚至上百倍。為盡可能避免訓練時出現「過擬合」現象,保證足夠高的網路性能和泛化能力,確定隱層節點數的最基本原則是:在滿足精度要求的前提下取盡可能緊湊的結構,即取盡可能少的隱層節點數。研究表明,隱層節點數不僅與輸入/輸出層的節點數有關,更與需解決的問題的復雜程度和轉換函數的型式以及樣本數據的特性等因素有關。
在確定隱層節點數時必須滿足下列條件:
(1)隱層節點數必須小於N-1(其中N為訓練樣本數),否則,網路模型的系統誤差與訓練樣本的特性無關而趨於零,即建立的網路模型沒有泛化能力,也沒有任何實用價值。同理可推得:輸入層的節點數(變數數)必須小於N-1。
(2) 訓練樣本數必須多於網路模型的連接權數,一般為2~10倍,否則,樣本必須分成幾部分並採用「輪流訓練」的方法才可能得到可靠的神經網路模型。
總之,若隱層節點數太少,網路可能根本不能訓練或網路性能很差;若隱層節點數太多,雖然可使網路的系統誤差減小,但一方面使網路訓練時間延長,另一方面,訓練容易陷入局部極小點而得不到最優點,也是訓練時出現「過擬合」的內在原因。因此,合理隱層節點數應在綜合考慮網路結構復雜程度和誤差大小的情況下用節點刪除法和擴張法確定。

B. BP神經網路輸入層和訓練次數怎樣選擇

輸入層就是看你研究的結果影響因子的數目,而訓練次數是程序自己計算的,因為你要設定誤差目標,模型誤差到達你設定的目標誤差時訓練結束,這時的訓練次數就是最終訓練次數。

閱讀全文

與神經網路輸入量怎麼設置相關的資料

熱點內容
電腦網路有哪些公司 瀏覽:440
淘寶手機網路加速教程 瀏覽:785
移動網路網線上網 瀏覽:755
綠盟科技帶動網路安全股 瀏覽:582
蘋果電腦網路故障 瀏覽:807
哪個網路鋼琴教學課程好 瀏覽:188
路由器第二個lan口沒網路 瀏覽:198
四川廣電網路如何辦理 瀏覽:762
美團買菜app一直顯示網路異常 瀏覽:828
小伴龍的網路該選哪個 瀏覽:941
手機怎麼選4g網路 瀏覽:436
網路攝像機和ahd哪個好 瀏覽:764
台山網路安全設備 瀏覽:981
一個網路賬號可以連兩個路由器嗎 瀏覽:804
計算機網路管理員級別 瀏覽:882
微信發文件夾死後電腦網路連不上 瀏覽:645
手機網路被制裁怎麼辦 瀏覽:169
騰達路由器電信網路慢 瀏覽:493
錄音筆為什麼連接不上網路 瀏覽:909
龍岩百度網路推廣有哪些 瀏覽:933

友情鏈接