我自己的总结是:1,隐层的神经网络算法1.1构造方法选择首先使用三个隐藏层的数量来确定三个隐藏层数找到的最小值和最大值的值,然后从最小来验证模型的预测误差,直到它达到最大值。
最后,选择模型误差最小隐藏层数。该方法适用于两个隐藏层的网络。
1.2Delete方法单隐层网络的非线性映射能力弱,同样的问题,以达到预定的隐层节点之间的映射一些,以增加网络的可调参数,它是适合用于删除法。
1.3黄金分割法的主要思路:一是在[A,B]寻找理想的隐层节点,从而充分保证逼近能力和泛化能力的网络。
为了满足高精度近似,在金色的原则,按照扩大搜寻范围区间,即该区间[B,C]=0.619*(钙)+A)(其中B,范围[B,C]寻找最佳逼近能力更应要求隐层节点数,在实际应用中,人们可以选择。
谷歌人工智能写作项目:小发猫
确定神经网络隐层数的方法有很多种,现在没有说那一种是最好的