Ⅰ 神经网络算法中，参数的设置或者调整，有什么方法可以采用
若果对你有帮助，请点赞。
神经网络的结构（例如2输入3隐节点1输出）建好后，一般就要求神经网络里的权值和阈值。现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同，也就使各种算法适用于解决不同的问题），使初始解根据这个方向和步长移动后，能使目标函数的输出（在神经网络中就是预测误差）下降。 然后将它更新为新的解，再继续寻找下一步的移动方向的步长，这样不断的迭代下去，目标函数（神经网络中的预测误差）也不断下降，最终就能找到一个解，使得目标函数（预测误差）比较小。
而在寻解过程中，步长太大，就会搜索得不仔细，可能跨过了优秀的解，而步长太小，又会使寻解过程进行得太慢。因此，步长设置适当非常重要。
学习率对原步长（在梯度下降法中就是梯度的长度）作调整，如果学习率lr = 0.1,那么梯度下降法中每次调整的步长就是0.1*梯度，
而在matlab神经网络工具箱里的lr,代表的是初始学习率。因为matlab工具箱为了在寻解不同阶段更智能的选择合适的步长，使用的是可变学习率，它会根据上一次解的调整对目标函数带来的效果来对学习率作调整，再根据学习率决定步长。
机制如下：
if newE2/E2 > maxE_inc %若果误差上升大于阈值
lr = lr * lr_dec; %则降低学习率
else
if newE2 < E2 %若果误差减少
lr = lr * lr_inc;%则增加学习率
end
详细的可以看《神经网络之家》nnetinfo里的《[重要]写自己的BP神经网络(traingd)》一文，里面是matlab神经网络工具箱梯度下降法的简化代码
若果对你有帮助，请点赞。
祝学习愉快
Ⅱ 神经网络中step size 怎么设置
神经网络似乎没有步长的说法，你指的是net.trainParam.show？net.trainParam.show是指显示训练迭代过程n个周期后显示一下收敛曲线的变化。
在定义了网络之后，train训练函数之前，加上下面两个语句：
net.trainParam.showWindow = false;
net.trainParam.showCommandLine = false;
亲测不会弹出提示。
这样使得我们能在较长时间的训练中，腾出电脑去做别的事。否则窗口会不停弹出来，影响使用。
Ⅲ matlab bp神经网络 epoch为何会随机变化 如何修改训练步长 各位大神，求助啊！！！
楼主你好，那个是迭代次数，在不满足拟合的情况下，程序会一直训练，直到满足训练目标！关键不是epoch,希望对你有帮助！
Ⅳ 卷积神经网络中，滤波器在图像中的滑动步长是什么隐层的神经元个数怎么确定
最佳隐含层节点数为输入层节点数、输出层节点数之积开平方，若输入层为22，输出为1，那么隐含层个数大概为5
Ⅳ 神经网络步长
步长其实就是学习率。用来控制每一步网络权值改变量的大小。
Ⅵ 如何构建深度神经网络
找好损失函数，设置好步长， 把电脑放到散热好的地方， 运行， 等待
Ⅶ 神经网络横向步长和纵向步长不一致
横向滑动步长和纵向滑动步长,第一个和最后一个参数固定是1。
在神经网络运算时就有近40万个参数待优化；而现实生活中高分辨率的彩色图像，不但像素点增多，而且有红绿蓝三通道信息，这样直接喂入（全连接）神经网络时，待优化参数将无限增大。
待优化参数的增多，容易导致模型的过拟合，为了避免该现象，在实际应用中一般不会将原始图片直接未入全连接网络。
实际操作方案：先对原始图像进行特征提取，然后将特征喂入全连接网络，之后再然全连接网络计算分类评估值。
Ⅷ 人工神经网络是怎么学习的呢
1、神经网络的结构（例如2输入3隐节点1输出）建好后，一般就要求神经网络里的权值和阈值。现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等）。 2、这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同，也就使各种算法适用于解决不同的问题），使初始解根据这个方向和步长移动后，能使目标函数的输出（在神经网络中就是预测误差）下降。 3、然后将它更新为新的解，再继续寻找下一步的移动方向的步长，这样不断的迭代下去，目标函数（神经网络中的预测误差）也不断下降，最终就能找到一个解，使得目标函数（预测误差）比较小。 4、而在寻解过程中，步长太大，就会搜索得不仔细，可能跨过了优秀的解，而步长太小，又会使寻解过程进行得太慢。因此，步长设置适当非常重要。 5、学习率对原步长（在梯度下降法中就是梯度的长度）作调整，如果学习率lr = 0.1,那么梯度下降法中每次调整的步长就是0.1*梯度， 6、而在matlab神经网络工具箱里的lr,代表的是初始学习率。因为matlab工具箱为了在寻解不同阶段更智能的选择合适的步长，使用的是可变学习率，它会根据上一次解的调整对目标函数带来的效果来对学习率作调整，再根据学习率决定步长。
Ⅸ 能不能介绍一下，BP神经网络中权系数初始值、学习率（步长）、学习步数、学习目标最小误差等参数
权值第一次是被随机给定的较小的值，步长一般设为较小的正值（防止越过最小值），学习步数是由权值和步长决定的，误差一般采用最小均方误差。
详细的介绍可以网络一下很多课件或者课本的。若不想找我可以发给你，给我邮箱。