具有大数据样本的神经网络的参数值应该是多少？

Question

我已经在Python中为神经网络编码了多层，前馈，反向传播结构。在这种网络结构中，输入层有24个节点，隐藏层有18个节点，输出层有1个节点。我获得了小数据集的良好训练结果，但是对于大数据输入，我无法设置常量参数的值，如学习率，动量率等。 我有输入值的输入样本：

[[1,0,1,0,1,0,1,0,1,1,1,1,0,0,0,0,0,1,1,1,0,1,0,1]
 [1,0,1,0,1,0,1,0,1,1,1,1,0,0,0,0,0,1,1,1,0,1,0,1]
 [1,0,1,0,1,0,1,0,1,1,1,1,0,0,0,0,0,1,1,1,0,1,0,1]
 .
 . .........................                     ]

输入目标值的样本：

[[-20.0]
 [-10.0]
 [30.0]
  .
  .....]

样本总数约为5000。 我使用

训练了这个网络

learning_rate = 0.01 
momentum_rate = 0.07

它给出了很好的结果，但花了这么多时间和迭代大约500000。 对于学习率和动量率的设置是否有任何好的建议，这样我可以快速得到我的结果。或者我应该引入提高学习率，如果我介绍学习率，那么应该是什么值？

Answer 1

为了更快地学习神经网络，它可能会成为一个反复试验的过程。

如果您想更快地获得结果，那么您可以提高学习率（更大的权重调整），丢弃一些隐藏的层神经元或输入（减少计算）或减少迭代次数，但这可能还可以降低测试和验证集的性能。

如果您有时间，可以对这些选项进行测试和比较，以确定是否可以为您的问题实现更快的学习。