根据 50 个因素设计用于决策的神经网络

Question

我正在构建一个反向传播神经网络（使用 Encog 库），该网络根据大约 50 个因素做出决策，我希望获得最佳设计方面的帮助：我们肯定需要 50 个输入神经元，以及 4 个神经元作为输出来给出答案（4位）但我不确定隐藏层的神经元数量，有多少是最好的？ 我还想问一下，使用 segmoid 激活函数的反向传播是否最适合这种情况。 感谢您的提前。

Answer 1

使用单个隐藏层。只有一个隐藏层的神经网络已被证明是一种通用近似。见：http://en.wikipedia.org/wiki/Universal_approximation_theorem

关于隐藏神经元的数量。您将需要进行实验。我会从 50 开始，然后尝试 25-75。

如果您的预期输出在 0 和 1 之间，Sigmoid 很好。如果您将 -1 标准化为 1，您也可以尝试 tanh。