1樓：遲芷藍邰媚
某層的神經元個數與節點數是乙個意思。按你的假設：雖是3層神經網路，但是去叫做兩巧戚猜層bp網路，因仔型為輸入層一般不算做一層。
按你的假設，n就該取2，s1就是隱含層節點數，選取的公式是hornik
提出的公式，可以算的s1取值範圍，到時自己選取合適職，s2就是你輸出層節點數，也就是輸出維數。
如果對您有孝型幫助，請記得為滿意答案，謝謝！祝您生活愉快！
2樓：無珹鬱鷗
我自己總結的：
1、神經網路演算法隱含層的選取。
構造法。首先運用三種確定隱含層層數的方法得到三個隱含層層數，找到最小值和最大值，然後從最小值開始逐個驗證模型**誤差，直到達到最大值。最後選取模型誤差最小的那個隱含層層數。
該方法適用於雙隱含層網路。
刪除法。單隱含層網路非線性對映能力較弱，相族肢同問題，為達到預定對映關係，隱層節點要多一些，以增加網路的可調引數，故適合運用刪除法。
**分割法。
算握鍵法的主要思想：首先在[a,b]內尋找理想的隱含層節點數，這樣就充分保證了網路的逼近能力和泛化能力。為滿足高精度逼近的要求，再按照**分割原理拓展搜尋區間，即得到區間[b,c]（其中b=，在區間[b,c]中搜尋兆皮世最優，則得到逼近能力更強的隱含層節點數，在實際應用根據要求，從中選取其一即可。
3樓：許詩文
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效能影響很大，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。
為儘可能避免訓練時出現「過擬合」現象，保證足夠高的網路效能和泛化能力，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儘可能緊湊的結構，即取儘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複雜程度和轉換函式的型式以及樣本資料的特性等因素有關。
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線權數，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效能很差；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，訓練容易陷入區域性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複雜程度和誤差大小的情況下用節點刪除法和擴張法確定。
4樓：網友
神經網路中的bp神經網路每一層網路可以不止1個神經元，也有幾個神經元就有幾個節點，節點數越多越容易逼近函式。
5樓：陳學陽
某層的神經元個數與節點數是乙個意思。按你的假設：雖是3層神經網路，但是去叫做兩層bp網路，因為輸入層一般不算做一層。
按你的假設，n就該取2，s1就是隱含層節點數，選取的公式是hornik 提出的公式，可以算的s1取值範圍，到時自己選取合適職，s2就是你輸出層節點數，也就是輸出維數。
如果對您有幫助，請記得采納為滿意答案，謝謝！祝您生活愉快！
關於神經網路的newrb 函式問題
spread 是一個標量 表示徑向基函式的擴充套件速度 預設值為1 goal也是一個標量 是指定的均方誤差 預設值0 mn指定隱含節點的最大個數 預設值是 輸入訓練樣本的個數 哇塞，一般人沒法聽懂的問題 用matlab的newrb函式建立的神經網路，怎麼檢視網路引數 newrb設計了徑向基網路，呼叫...
matlab中建立bp神經網路的函式newff的引數的
1.newff雖然沒有規定輸入層神經元個數，那輸入層神經元個數是如何確定的？輸入層是根據你讀入資料的維度，自動生成的。2.我現在讀入了10張 把每張 歸一化成了50 20的，並轉換成1 1000的行向量，最後生成了10 1000的二維矩陣，然後，我再用eye 10,10 函式製造了一個單位矩陣，那麼...
關於神經網路BP演算法的輸入問題，用matlab中bp神經網路實現由輸入值預測輸出值的程式
郈山白 可以的！之所以叫bp網路，是因為使用了反向傳遞演算法，這是一種結果導向的自學習方法，用在五子棋上是可以的。因為五子棋的遊戲方法正是很明顯的結果導向的過程。簡單說這麼個過程 1.設定輸入和輸出型別，比如都是座標 x1，y1 x2，y2 2.訓練 你告訴網路 a情況下應該輸出a1 b情況下應該輸...