網路引數確定原則：
① 網路節點：網路輸入層神經元節點數就是系統的特徵因子(自變數)個數，輸出層神經元節點數就是系統目標個數。隱層節點擊按經驗選取，一般設為輸入層節點數的75%。如果輸入層有7個節點，輸出層1個節點，那麼隱含層可暫設為5個節點，即構成乙個7-5-1 bp神經網路模型。在系統訓練時，實際還要對不同的隱層節點數4、5、6個分別進行比較，最後確定出最合理的網路結構。
② 初始權值的確定：初始權值是不應完全相等的一組值。已經證明，即便確定 存在一組互不相等的使系統誤差更小的權值，如果所設wji的的初始值彼此相等，它們將在學習過程中始終保持相等。故而，在程式中，我們設計了乙個隨機發生器程式，作為網路的初始權值。
③ 最小訓練速率：在經典的bp演算法中，訓練速率是由經驗確定，訓練速率越大，權重變化越大，收斂越快；但訓練速率過大，會引起系統的振盪，因此，訓練速率在不導致振盪前提下，越大越好。學習率的傳統預設值為0.1或0.01。預設值0.01通常適用於標準多層神經網路
④ 動態引數：動態係數的選擇也是經驗性的，一般取0.6 ~0.8。
1.對於大小比例不同訓練引數大小比例的情況：對將要**值進行按照訓練引數大小比例插入0值進行補充,以達到原訓練引數比例大小
2.對於大小小於訓練引數大小的情況：對將要**值行列中進行插入均值進行補充,以達到原訓練引數大小(類似於ps中的羽化）
3.對於大小大於訓練引數大小的情況：先獲取和原訓練引數大小的求餘值，對將要**值進行隔**值大小除於剛剛的求餘值的最後得到值的位置去掉該值,以達到原訓練引數大小(類似於ps中的去噪點）
那麼根據這個原則寫出來的神經網路，輸入引數是可變的。
⑤ 允許誤差：一般取0.001~0.00001，當2次迭代結果的誤差小於該值時，系統結束迭代計算，給出結果。
⑥ 迭代次數：一般取1000次。由於神經網路計算並不能保證在各種引數配置下迭代結果收斂，當迭代結果不收斂時，允許最大的迭代次數。
⑦ sigmoid引數：該引數調整神經元激勵函式形式，一般取0.9~1.0之間。
神經網路各個網路引數設定原則
網路引數確定原則 網路節點 網路輸入層神經元節點數就是系統的特徵因子 自變數 個數，輸出層神經元節點數就是系統目標個數。隱層節點擊按經驗選取，一般設為輸入層節點數的75 如果輸入層有7個節點，輸出層1個節點，那麼隱含層可暫設為5個節點，即構成乙個7 5 1 bp神經網路模型。在系統訓練時，實際還要對...
神經網路設計原則
神經網路訓練完，會出現網路訓練不穩定 網路不收斂 梯度消失或 網路過擬合 不准或準確率低，可考慮以下方面 資料增強 隨機取樣 資料翻轉，隨機改變資料亮度 飽和度 對比度等 神經網路結構一般由輸入層 隱層 輸出層構成。輸入層的神經元個數是特徵維度，隱層是提取輸入特徵中隱藏的規律，輸出層的神經元個數是分...
神經網路相關引數
關於建立 神經網路 段的引數說明 net feedforwardnet n,trainlm n為隱藏層大小，預設為10 trainlm 是被指定的訓練函式 levenberg marquardt 演算法t p net.trainparam.goal 0.001 goal是最小均方誤差的訓練目標 ne...