我们如何选择隐藏层（反向传播网络）的神经元数量？选择隐藏神经元的数量是否有任何硬性规则？我发现在一些论文中它应该几乎等于 (no_input_neurons * no_output_neurons) 的平方根。但这对我不起作用。选择神经元是一种命中和试验方法吗？
我正在尝试为井字游戏设计神经网络，从基础开始（已经进行了 XOR）。我应该如何进行？我发现不同论坛中隐藏神经元的数量不同。有什么想法？
【问题讨论】：
标签： java neural-network tic-tac-toe backpropagation
为反向传播网络选择隐藏层有点像黑魔法，但您可以在某种程度上对其进行推理。如您所知，通过学习，网络确定了高维空间中平面的参数，可以正确分类您的输入。所以你需要有足够多的神经元来区分不同的输入。当我在 5 多年前研究神经网络时，它曾经是一个活跃的研究课题。或许可以看看这篇论文：An algebraic projection analysis for optimal hidden units size and learning rates in back-propagation learning
对于其他类型的网络，例如循环网络，有一些技术可以帮助找到正确的架构 - 例如可视化学习的权重，这些权重有时明显类似于输入的特征。
【讨论】：
确定隐藏层/神经元的数量基于试错法，并且高度依赖于您使用的训练数据类型。我总是先尝试将隐藏神经元的数量与输入神经元的数量相匹配，然后再增加/减少。尝试改变训练 epoch 的数量和学习率。
【讨论】：