BP神经网络

1.  网络的层数。一般三层网络结构就可以逼近任何有理函数。增加网络层数虽然可以提高计算精度，减少误差，但也使得网络复杂化，增加网络训练时间。如果实在想增加层数，应优先增加隐含层的神经数。

2.  隐含层的神经单元数。网络训练精度的提高，可以通过采用一个隐含层而增加神经元数的方法获得。具体设计上可以使隐含层是输入层的2倍，然后再适当增加一点余量。

3.  初始权值选择。一般区随机权值是（-1， 1）的随机数。

4.  学习速率。学习速率决定每一次循环训练所产生的权值变化量。高的学习速率可能导致系统的不稳定性，但低的学习速率导致较长的训练时间，可能收敛变慢。一般取0.01~08。可以通过比较不同速率所得到误差选择合适的值。

5.  误差选取。在网络的训练过程中，误差的选取也应当通过对比训练后确定一个合适的值，也即相对于所需要的隐含层的节点数确定。