A. 神經網路一個隱含層通常有幾個節點數阿
一個最簡單的分類，是在平面上畫一條直線，左邊為類0，右邊為類1，直線表示為
這是一個分類器，輸入(x,y)，那麼，要求的參數有三個:a,b,c。另外注意c的作用，如果沒有c，這條直線一定會過原點。
因此，我們可以設計一個簡單的神經網路，包含兩層，輸入層有三個節點，代表x,y,1，三條線分別代表a,b,cg(z)對傳入的值x進行判別，並輸出結果。
但是，由於z的值可能為[],為了方便處理，需要將其壓縮到一個合理的范圍，還需sigmoid函數:
這樣的激勵函數，能夠將剛才的區間，壓縮到
B. 如何合理確定神經網路數據挖掘中隱含層\隱含節點數
神經網路的輸入量包含因變數集和目標集（因變數集），設置不同的隱層節點數會有不同的擬合誤差，比較擬合誤差去較小的那個對應的節點數，，，，別忘記神經網路本質上是一種映射關系，，，
C. 神經網路隱層數和神經元個數如何確定
你使用的什麼神經網路？如果是RBF神經網路，那麼只有3層，輸入層，隱含層和輸出層。確定神經元個數的方法有K-means,ROLS等演算法。
D. matlab 神經網路怎麼確定隱含層的層數及個傳遞函數
隱含層個數憑經驗，湊出來的~一般不會太大。傳遞函數tranlm是默認的，一般也不用改，除非有要求。
E. 小波神經網路的建模怎麼確定隱含層的神經元個數
確定隱層節點數的方法為「試湊法」。
隱含神經元的數目是非常重要的，它的選取結果直接影響到網路的性能好壞。如果隱含層的神經元數量太少，網路就不能夠很好的學習，即便可以學習，需要訓練的次數也非常多，訓練的精度也不高。當隱含層神經元的數目在一個合理的范圍內時，增加神經元的個數可以提高網路訓練的精度，還可能會降低訓練的次數。但是，當超過這一范圍後，如果繼續增加神經元的數量，網路訓練的時間又會增加，甚至還有可能引起其它的問題。那麼，究竟要選擇多少個隱含層神經元才合適呢?
遺憾的是，至今為止還沒有理論規定該如何來確定網路隱含層的數目。所以，只能用嘗試的方法來尋找最適宜的隱含層神經元數目。本文採取的做法是:構建多個BP網路，它們除了隱含層神經元個數不同外，其它一切條件都相同，通過比較它們訓練的循環次數和網路精度，找到最佳的神經元個數。
小波神經網路的隱層設計原則也遵循這個方法。也有一些經驗公式，可以作為參考。
F. 神經網路的隱含層確定方法有多少種
確定神經網路隱層數的方法有很多種，現在沒有說那一種是最好的。具體的還要結合你的問題來解決。
至於說2n+1個隱層神經元個數，也是需要根據具體問題來確定的。
比方說，你可以在2n+1的基礎上確定一個正負10的區域，分別用區域中的數值代到網路中，看最後誰的誤差最小就用哪一個。
G. BP神經網路中隱含層的神經元數怎麼確定
經驗公式未必能達到理想效果，這個真的需要一個個嘗試。可以先按樓上說的設定，然後再根據結果的誤差以及收斂速度來一個個調整。
H. matlab BP神經網路出錯 newff參數 隱含層 怎麼確定
設[P,T]是訓練樣本，[X,Y]是測試樣本；
net=newrb(P,T,err_goal,spread); %建立網路
q=sim(net,p);
e=q-T;
plot(p,q); %畫訓練誤差曲線
q=sim(net,X);
e=q-Y;
plot(X,q); %畫測試誤差曲線
訓練前饋網路的第一步是建立網路對象。函數newff建立一個可訓練的前饋網路。這需要4個輸入參數。
第一個參數是一個Rx2的矩陣以定義R個輸入向量的最小值和最大值。
第二個參數是一個設定每層神經元個數的數組。
第三個參數是包含每層用到的傳遞函數名稱的細胞數組。
最後一個參數是用到的訓練函數的名稱。
舉個例子，下面命令將創建一個二層網路。它的輸入是兩個元素的向量，第一層有三個神經元(3)，第二層有一個神經元(1)。
第一層的傳遞函數是tan-sigmoid，輸出層的傳遞函數是linear。
輸入向量的第一個元素的范圍是-1到2[-1 2]，輸入向量的第二個元素的范圍是0到5[0 5]，訓練函數是traingd。
net=newff([-1 2; 0 5],[3,1],{'tansig','purelin'},'traingd');
這個命令建立了網路對象並且初始化了網路權重和偏置，因此網路就可以進行訓練了。
我們可能要多次重新初始化權重或者進行自定義的初始化。
下面就是初始化的詳細步驟。
在訓練前饋網路之前，權重和偏置必須被初始化。初始化權重和偏置的工作用命令init來實現。這個函數接收網路對象並初始化權重和偏置後返回網路對象。
下面就是網路如何初始化的：
net = init(net);
我們可以通過設定網路參數net.initFcn和net.layer{i}.initFcn這一技巧來初始化一個給定的網路。
net.initFcn用來決定整個網路的初始化函數。前饋網路的預設值為initlay，它允許每一層用單獨的初始化函數。
設定了net.initFcn ，那麼參數net.layer{i}.initFcn 也要設定用來決定每一層的初始化函數。
對前饋網路來說，有兩種不同的初始化方式經常被用到：initwb和initnw。initwb函數根據每一層自己的初始化參數(net.inputWeights{i,j}.initFcn)初始化權重矩陣和偏置。前饋網路的初始化權重通常設為rands，它使權重在-1到1之間隨機取值。這種方式經常用在轉換函數是線性函數時。initnw通常用於轉換函數是曲線函數。它根據Nguyen和Widrow[NgWi90]為層產生初始權重和偏置值，使得每層神經元的活動區域能大致平坦的分布在輸入空間。