导航:首页 > 网络问题 > 神经网络输入量怎么设置

神经网络输入量怎么设置

发布时间:2024-12-29 10:38:33

A. 神经网络对输入变量个数有没有要求,六十个可以吗

可以,但是网络规模太大,很臃肿,需要调整的参数过多,影响收敛速度。

关于隐层节点数:在BP 网络中,隐层节点数的选择非常重要,它不仅对建立的神经网络模型的性能影响很大,而且是训练时出现“过拟合”的直接原因,但是目前理论上还没有一种科学的和普遍的确定方法。 目前多数文献中提出的确定隐层节点数的计算公式都是针对训练样本任意多的情况,而且多数是针对最不利的情况,一般工程实践中很难满足,不宜采用。事实上,各种计算公式得到的隐层节点数有时相差几倍甚至上百倍。为尽可能避免训练时出现“过拟合”现象,保证足够高的网络性能和泛化能力,确定隐层节点数的最基本原则是:在满足精度要求的前提下取尽可能紧凑的结构,即取尽可能少的隐层节点数。研究表明,隐层节点数不仅与输入/输出层的节点数有关,更与需解决的问题的复杂程度和转换函数的型式以及样本数据的特性等因素有关。
在确定隐层节点数时必须满足下列条件:
(1)隐层节点数必须小于N-1(其中N为训练样本数),否则,网络模型的系统误差与训练样本的特性无关而趋于零,即建立的网络模型没有泛化能力,也没有任何实用价值。同理可推得:输入层的节点数(变量数)必须小于N-1。
(2) 训练样本数必须多于网络模型的连接权数,一般为2~10倍,否则,样本必须分成几部分并采用“轮流训练”的方法才可能得到可靠的神经网络模型。
总之,若隐层节点数太少,网络可能根本不能训练或网络性能很差;若隐层节点数太多,虽然可使网络的系统误差减小,但一方面使网络训练时间延长,另一方面,训练容易陷入局部极小点而得不到最优点,也是训练时出现“过拟合”的内在原因。因此,合理隐层节点数应在综合考虑网络结构复杂程度和误差大小的情况下用节点删除法和扩张法确定。

B. BP神经网络输入层和训练次数怎样选择

输入层就是看你研究的结果影响因子的数目,而训练次数是程序自己计算的,因为你要设定误差目标,模型误差到达你设定的目标误差时训练结束,这时的训练次数就是最终训练次数。

阅读全文

与神经网络输入量怎么设置相关的资料

热点内容
监控网络路由器和运营商通讯异常 浏览:419
网络不稳定打哪个电话咨询 浏览:754
无线网络自动连接自动断开 浏览:12
为什么无线网络接收器会断开 浏览:207
网络免试条件有哪些 浏览:129
邯郸网络公司哪个最好 浏览:161
网络安全文章素材200字 浏览:554
无线移动网络下载应用 浏览:26
哪个网络电话有试用时间 浏览:134
网络学习资源有哪些答案 浏览:715
网络监控正在建立安全连接 浏览:596
计算机网络互联设备 浏览:368
网络用语霸王餐是什么意思 浏览:429
如何查看谁连了自己家的网络 浏览:798
电视上的网络密码如何知道 浏览:579
小米电视网络连接请求怎么关闭 浏览:658
防止网络沉迷的手抄报怎么画 浏览:258
中国移动网络光信号为什么不亮了 浏览:701
贵州网络安全 浏览:687
欧普手机接收网络信号弱 浏览:45

友情链接