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: