神经网络的参数是如何来设定的

网络参数确定原则:
①、网络节点
网络输入层神经元节点数就是系统的特征因子(自变量)个数,输出层神经元节点数就是系统目标个数。隐层节点选按经验选取,一般设为输入层节点数的75%。如果输入层有7个节点,输出层1个节点,那么隐含层可暂设为5个节点,即构成一个7-5-1 bp神经网络模型。在系统训练时,实际还要对不同的隐层节点数4、5、6个分别进行比较,最后确定出最合理的网络结构。
②、初始权值的确定
初始权值是不应完全相等的一组值。已经证明,即便确定 存在一组互不相等的使系统误差更小的权值,如果所设wji的的初始值彼此相等,它们将在学习过程中始终保持相等。故而,在程序中,我们设计了一个随机发生器程序,产生一组一0.5~+0.5的随机数,作为网络的初始权值。
③、最小训练速率
在经典的bp算法中,训练速率是由经验确定,训练速率越大,权重变化越大,收敛越快;但训练速率过大,会引起系统的振荡,因此,训练速率在不导致振荡前提下,越大越好。因此,在dps中,训练速率会自动调整,并尽可能取大一些的值,但用户可规定一个最小训练速率。该值一般取0.9。
④、动态参数
动态系数的选择也是经验性的,一般取0.6 ~0.8。
⑤、允许误差
一般取0.001~0.00001,当2次迭代结果的误差小于该值时,系统结束迭代计算,给出结果。
⑥、迭代次数
一般取1000次。由于神经网络计算并不能保证在各种参数配置下迭代结果收敛,当迭代结果不收敛时,允许最大的迭代次数。
⑦、sigmoid参数
该参数调整神经元激励函数形式,一般取0.9~1.0之间。
⑧、数据转换
在dps系统中,允许对输入层各个节点的数据进行转换,提供转换的方法有取对数、平方根转换和数据标准化转换。
本文转自csdn

如何制作一个简单的16位CPU
请分享一下你是如何学习设计PCB?詹姆斯
Reno十倍光变版和RedmiK20Pro对比 哪个好
中软鸿联:集聚智能化能量势场,点燃小家电创新星火
stm32单片机和51单片机区别是什么
神经网络的参数是如何来设定的
5G前传开放数字室分小基站系列产品解决方案重磅发布
等离子清洗技术
智能网关是什么,有哪些功能
华为正式推出首个服务器芯片鲲鹏920
金升阳100%国产化 DC/DC电源R3G系列重磅上市
Materialise公司采用3D打印技术制造汽车内饰件
寄存器和cache的区别介绍
无线路由器的天线接口
终于等到你了!小米6 Plus价格曝光,超心动的
袁煜明:区块链应用受关注 建议出台区块链专项政策
什么是人工智能?人工智能的应用有哪些
德国康佳特推出高可扩展性物联网网关系统
华为官方公布了新一批EMUI 11.0版本内测招募机型名单
怎么解决HDMI线远距离传输