以下引用QuinMantha在2006-5-31 15:09:50的发言：
问一下，那些layer和neuron到底是什么回事？ 调了的话，对结果有什么影响？
都用了差不多1个月了，完全不明白到底是在干什么。。（自爆）30页的报告不知道该怎么啃。。。
|
不知道你用的什么软件...
我是自己写的Neuron Network, 纯OOP Pascal, 及其短小精悍, 加上自己写的Training过程，在学习简单问题时训练速度飞快，准确率也很高。
可惜后来应用到我实际研究的问题上的时候就出现问题了...XD
看上去楼上的楼上应该再去仔细读一下教材，layer和neuron是最基本的概念，就像语言里面的词汇和句子一样。
这里简单的介绍一下，可以作为加快理解之用，但是不对正确性负责:
可以把一个Neuron Network形象的想象成为生物的视觉神经网络。整个网络由 基神经细胞，信息神经细胞和输出神经细胞构成。
基神经细胞负责收集原始信息；
信息神经细胞负责处理信息并向下一层传递；
输出神经细胞负责信息决策。
因此一个神经网络大致为如下结构:
基神经细胞层 X X X X X X X X X X X
信息神经细胞层 Y Y Y Y Y Y Y Y Y Y
信息神经细胞层 Y Y Y Y Y Y Y Y
...
信息神经细胞层 Y Y Y
输出神经细胞层 Z
所以，你上面说的Layer就是指细胞层的数量，而Neuron就是每一层细胞的数量。
细胞的数量越多，整个神经网络能够储存的信息也就越多，那么训练后整个神经网络的准确性也就越高；
但是，细胞的数量越多，那么整个神经网络的训练过程也就越长。
细胞的层数则是一个相对模糊的东西，一般情况下，随着细胞的层数增多，同样细胞的数量的神经网络的训练过程会缩短一些，但是没有绝对的证明。
另外，记得(如果没记错的话)有人证明了，多层(两层或以上)的神经网络对比单层神经网络有计算能力(Computation Power)上的提高，但是，多层神经网络之间并没有计算能力的差别。换句话说，两层神经网络能够处理一些单层神经网络不能处理的问题，但是三层或更多的神经网络并不能处理两层神经网络不能处理的问题。
