独家 | 初学者的问题：在神经网络中应使用多少隐藏层/神经元？（附实例）

作者：Ahmed Gad

翻译：蒋雨畅

校对：李海明

本文约2400字，建议阅读8分钟。

本文将通过两个简单的例子，讲解确定所需隐藏层和神经元数量的方法，帮助初学者构建神经网络。

人工神经网络（ANNs）初学者可能会问这样的问题：

• 该用多少个隐藏层？

• 每个隐藏层中有多少个隐藏的神经元？

• 使用隐藏层/神经元的目的是什么？

• 增加隐藏层/神经元的数量总能带来更好的结果吗？

很高兴我们可以回答这些问题。首先要清楚，如果要解决的问题很复杂，回答这些问题可能会过于复杂。到本文结束时，您至少可以了解这些问题的答案，而且能够在简单的例子上进行测试。

 

ANN的灵感来自生物神经网络。在计算机科学中，它被简化表示为一组层级。而层级分为三类，即输入，隐藏和输出类。

 

确定输入和输出层的数量及其神经元的数量是最容易的部分。每一神经网络都有一个输入和一个输出层。输入层中的神经元数量等于正在处理的数据中输入变量的数量。输出层中的神经元数量等于与每个输入相关联的输出数量。但挑战在于确定隐藏层及其神经元的数量。

 

以下是一些指导，可以帮助了解分类问题中每个隐藏层的隐藏层数和神经元数：

• 根据数据绘制预期的决策边界，从而将各个类别分开。

• 将决策边界表示为一组线。注意这些线的组合必须服从于决策边界。

• 所选的线的数量表示第一隐藏层中隐藏神经元的数量。

• 如要连接由前一层所创建的连线，则需添加一个新的隐藏层。注意，每次添加一个新的隐藏层时，都需要与上一个隐藏层创建连接。

• 每个新隐藏层中隐藏神经元的数量等于要建立的连接数。

 

 为便于理解，请看以下实例：