关于BP神经网络中输入层、隐藏层、输出层节点数的讨论

经过大量的调研，现有的被广泛接受的输入层、隐藏层、输出层节点数的确定方法为：

（1）输入层节点数n:取决于样本的属性个数

（2）输出层节点数l:取决于定义的标签编码规则，或者预测的节点数

（3）隐藏层节点数m（有三种确定方法）:

                              ①

,其中

为1-10之间的常数

                              ②

                              ③

注意：

（1）隐含层节点数应该小于N-1(N是训练样本数),否则网络模型的系统误差与训练样本的特性无关而趋于0,即建立的网络模型没有泛化能力,也没有任何使用价值,同理,输入层的节点数也必须小于N-1; 

（2）训练样本数必须多余网络模型的连接权数,一般为2~10倍,否则,样本必须分成及部分且必须采用”轮流训练”的方法才能得到可靠的神经网络