神經網絡逼近函數

Question

我試圖測試神經網絡的效率作爲近似函數。

我需要近似的函數有5個輸入和1個輸出，我應該使用哪種結構？

我不知道應該應用什麼標準來決定每層的隱藏層數和節點數。

謝謝你在前進， 問候

朱塞佩。

Answer 1

我總是使用一個隱藏層。理論上，沒有任何函數可以通過2個或更多不能近似的隱藏層來近似。要使單個隱藏層更加複雜，請添加更多隱藏節點。

通常，隱藏節點的數量是變化的，以觀察對模型性能的影響（如通過精度或其他測量）。隱藏節點太少會導致擬合不良（由於神經網絡的輸出函數太簡單，並且會遺漏數據中的重要細節）。由於過度擬合，太多的隱藏節點會導致較差的擬合（神經網絡變得如此靈活以至於會追逐數據中的每一點噪音）。

Answer 2

請注意，對於分類問題，如果要分離凹多邊形，至少需要2個隱藏層。

我不確定隱藏層的數量如何影響函數逼近。