独家 | 初学者的问题:在神经网络中应使用多少隐藏层/神经元?(附实例)
人工神经网络(ANNs)初学者可能会问这样的问题:
● 该用多少个隐藏层?● 每个隐藏层中有多少个隐藏的神经元?
● 使用隐藏层/神经元的目的是什么?
● 增加隐藏层/神经元的数量总能带来更好的结果吗?
很高兴我们可以回答这些问题。首先要清楚,如果要解决的问题很复杂,回答这些问题可能会过于复杂。到本文结束时,您至少可以了解这些问题的答案,而且能够在简单的例子上进行测试。
ANN的灵感来自生物神经网络。在计算机科学中,它被简化表示为一组层级。而层级分为三类,即输入,隐藏和输出类。
确定输入和输出层的数量及其神经元的数量是最容易的部分。每一神经网络都有一个输入和一个输出层。输入层中的神经元数量等于正在处理的数据中输入变量的数量。输出层中的神经元数量等于与每个输入相关联的输出数量。但挑战在于确定隐藏层及其神经元的数量。
以下是一些指导,可以帮助了解分