我一直在做一些研究与神经网络和概念和理论作为一个整体对我来说很有意义。虽然我未能找到答案的一个问题是,在神经网络中应该使用多少神经元。实现适当/有效的结果。包括隐藏图层,每个隐层神经元等做多神经元不一定更精确的结果(同时更加繁重的系统上)或将更少的神经元仍然是足够的?是否有某种管理规则来帮助确定这些数字?它取决于正在实施到神经网络中的训练/学习算法的类型。它取决于提供给网络的数据/输入类型吗?确定神经元的正常量的神经网络
如果它可以更容易回答的问题,我将最有可能使用过前馈和backpropogation作为训练和预测的主要方法。
在附注中,是否有预测算法/触发规则或学习算法,通常被归类为“最佳/最实用”,还是取决于要呈现给网络的数据类型?
由于与任何输入任何人,它总是赞赏!
编辑:关于C#的标签,这是在我将放在一起我的神经网络语言。如果这些信息有帮助的话。
*如果你可以想象一整本书可以回答你的问题,那你问的太多了。* http://stackoverflow.com/faq#dontask另外,我不明白这是怎么回事与C#。 –
参见http://stats.stackexchange.com/questions/181/how-to-choose-the-number-of-hidden-layers-and-nodes-in-a-feedforward-neural-netw –
@ 0xA3,很棒链接。这个问题对于SO来说可能不够具体,但只是一些想法:神经网络的大小取决于它们所代表的函数或分类器的复杂程度。另外,是的,可能有太多的神经元:在分类时它可能导致过度拟合并丢失一个广义模型。 – nicholas