神经网络层数越多越好吗(bp神经网络层数越多越好吗)
最后更新：2023-10-11 22:39
BP神经网络隐藏层层数越多越多好吗？
并不是越多越好，要看实际问题。最合适的才是最好的。层数越多计算量就越大。普通笔记本算都算不出来。
不一定，看训练效果，有经验公式！
不一定，看训练效果，有经验公式！
BP神经网络是不是隐含层节点数越多越好，还是只要最优就行！
1、神经网络算法隐含层的选取 1.1 构造法首先运用三种确定隐含层层数的方法得到三个隐含层层数，找到最小值和最大值，然后从最小值开始逐个验证模型预测误差，直到达到最大值。最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。 1.2 删除法单隐含层网络非线性映射能力较弱，相同问题，为达到预定映射关系，隐层节点要多一些，以增加网络的可调参数，故适合运用删除法。 1.3黄金分割法算法的主要思想:首先在[a,b]内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力。为满足高精度逼近的要求，再按照黄金分割原理拓展搜索区间，即得到区间[b,c](其中b=0.619*(c-a)+a)，在区间[b,c]中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。 BP算法中,权值和阈值是每训练一次，调整一次。逐步试验得到隐层节点数就是先设置一个初始值，然后在这个值的基础上逐渐增加，比较每次网络的预测性能，选择性能最好的对应的节点数作为隐含层神经元节点数。
神经网络是不是隐含层节点数越多越好？
不一定，神经网络的结构与问题本身有关，太少了，模型不准确，太多了，会出现过拟合的现象；在目前也没有一个标准，可以试着从简到繁。
深度网络目前最高有多少层？
目前ResNet最多可以达到152层，但是不要纠结这个问题，神经网络并不是层越多越好，目前优秀的设计主要是优化网络的基本结构以达到更高的准确率，同时还要在精度和算力之间妥协 。
bp神经网络，是不是数据越多，预测能力越好！
准确的说是数据越全面，越能体现数据分布，预测才越好 但一般我们也不知道数据原本的分布是怎么样的~所以，收集越多的不同的数据，一般来说预测就越好。当然，如果发现数据多到一个程度后，预测效果没什么变化，说明数据的表达能力，或者说数据的分布已经很充沛了，特征方差不变了，多了也没什么用
所有机器学习都是，特征多数据少就容易过拟合，神经网络就是网络层当特征用了。 数据越多越好，但是也要考虑数据质量
所有机器学习都是，特征多数据少就容易过拟合，神经网络就是网络层当特征用了。 数据越多越好，但是也要考虑数据质量
本文由 在线网速测试 整理编辑，转载请注明出处。
