神经网络模型中的隐藏层数

时间:2010-01-22 05:17:22

标签: machine-learning neural-network

有人能够向我解释或向我指出一些资源,说明为什么(或情况下)神经网络中有多个隐藏层是必要或有用的?

3 个答案:

答案 0 :(得分:6)

基本上更多的图层允许表示更多的功能。人工智能课程的标准书,Russell和Norvig的“人工智能,现代方法”,详细介绍了第20章中多层问题的原因。

重要的一点是,如果单个隐藏层足够大,则可以表示每个连续函数,但至少需要2个图层才能表示每个不连续函数。

但实际上,单层至少99%的时间都足够了。

答案 1 :(得分:4)

  1. 这更类似于大脑的工作方式(可能不一定是计算优势,但很多人正在研究NN以获得有关思维方式的洞察力,而不是解决现实世界的问题。) LI>
  2. 使用更多图层更容易实现某种不变性。例如,无论图像在何处找到对象,或者对象的大小,都可以使用图像分类器。见Bouvrie, J. , L. Rosasco, and T. Poggio. "On Invariance in Hierarchical Models". Advances in Neural Information Processing Systems (NIPS) 22, 2009.

答案 2 :(得分:2)

每一层都以指数方式有效地提高了适应的潜在“复杂性”(与向单个层添加更多节点的乘法方式相反)。