本站原创文章，转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com

对于神经网络来说，隐节点个数太少，无法拟合到复杂的关系，隐节点过多，又会导致过拟合。

本文解讲隐层节点个数设置的一些常用方法(这里假设只有一个隐层）。

  01. 常用方法  

一般来说，要设几个隐节点，我们并没有什么明确的方法，但有指导方法。

  01. 原理指导  

一般来说，
1.输入输出单元数越多，隐节点越多。
2.要求逼近的规则越跌宕起伏，隐节点越多。

  02. 经验公式  

隐节点个数可参考公式

   （n是隐节点个数，m是输入个数）

或

（n1是隐节点个数，n是输入个数，m是输出个数，a在1~10之间）

  03. 建模师经验  

可参考建模师以往的一些成功案例，下面是本人的建模经验：
在2个输入1个输出时，用3个隐节点。
在20个输出1个输出时，用7个隐节点。

  04. 试凑法优化  

在设置了隐节点个数后，还可以用试凑法优化：
在原设定的节点个数上，逐步增加（减少），试探多少个节点时拟合效果最佳。
备注：由于网络训练好坏跟随机初始化有关，一般会多训练几次。

二. 实际操作参考

  案例：   20个输入，1个输出，

    隐节点的确定以下： 

1.   先设定初始隐节点为4（建模经验），然后训练10次，去除最大和次大的误差，取剩下8个求平均误差，将平均误差记录下来。
2.   再设隐节点为5，训练10次….一直到取隐节点12，训练10次，求平均误差。
3.   最后可以发现平均误差会随隐节点个数先减后增（像抛物线），在隐节点=7时，平均误差最小，故最后确定隐节点为7

  End