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
网络信号晚上12点以后信号差 浏览:89
网络电子身份证在哪里可以使用 浏览:824
汽车有哪些是走网络线 浏览:258
安安网络教练科技挣多少钱 浏览:568
职高计算机网络基础课 浏览:393
汉中广电网络盒子密码 浏览:371
运城移动无线网络客服电话 浏览:537
网络管理专业是什么类型 浏览:7
mtn是哪里的网络 浏览:960
网络连接给的密码不对 浏览:617
cmcc无线网络资费 浏览:89
电脑网络有哪些公司 浏览:441
淘宝手机网络加速教程 浏览:786
移动网络网线上网 浏览:756
绿盟科技带动网络安全股 浏览:583
苹果电脑网络故障 浏览:807
哪个网络钢琴教学课程好 浏览:188
路由器第二个lan口没网络 浏览:198
四川广电网络如何办理 浏览:762
美团买菜app一直显示网络异常 浏览:828

友情链接