pos神经网络节点设置

① 神经网络参数如何确定

神经网络各个网络参数设定原则：

①、网络节点  网络输入层神经元节点数就是系统的特征因子(自变量)个数，输出层神经元节点数就是系统目标个数。隐层节点选按经验选取，一般设为输入层节点数的75%。如果输入层有7个节点，输出层1个节点，那么隐含层可暂设为5个节点，即构成一个7-5-1 BP神经网络模型。在系统训练时，实际还要对不同的隐层节点数4、5、6个分别进行比较，最后确定出最合理的网络结构。

②、初始权值的确定  初始权值是不应完全相等的一组值。已经证明，即便确定  存在一组互不相等的使系统误差更小的权值，如果所设Wji的的初始值彼此相等，它们将在学习过程中始终保持相等。故而，在程序中，我们设计了一个随机发生器程序，产生一组一0.5~+0.5的随机数，作为网络的初始权值。

③、最小训练速率  在经典的BP算法中，训练速率是由经验确定，训练速率越大，权重变化越大，收敛越快；但训练速率过大，会引起系统的振荡，因此，训练速率在不导致振荡前提下，越大越好。因此，在DPS中，训练速率会自动调整，并尽可能取大一些的值，但用户可规定一个最小训练速率。该值一般取0.9。

④、动态参数  动态系数的选择也是经验性的，一般取0.6 ~0.8。

⑤、允许误差  一般取0.001~0.00001，当2次迭代结果的误差小于该值时，系统结束迭代计算，给出结果。

⑥、迭代次数  一般取1000次。由于神经网络计算并不能保证在各种参数配置下迭代结果收敛，当迭代结果不收敛时，允许最大的迭代次数。

⑦、Sigmoid参数 该参数调整神经元激励函数形式，一般取0.9~1.0之间。

⑧、数据转换。在DPS系统中，允许对输入层各个节点的数据进行转换，提供转换的方法有取对数、平方根转换和数据标准化转换。

(1)pos神经网络节点设置扩展阅读：

神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。主要的研究工作集中在以下几个方面：

1.生物原型

从生理学、心理学、解剖学、脑科学、病理学等方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

2.建立模型

根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。

3.算法

在理论模型研究的基础上构作具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。

神经网络用到的算法就是向量乘法，并且广泛采用符号函数及其各种逼近。并行、容错、可以硬件实现以及自我学习特性，是神经网络的几个基本优点，也是神经网络计算方法与传统方法的区别所在。

② 如何合理确定神经网络数据挖掘中隐含层\隐含节点数

神经网络的输入量包含因变量集和目标集（因变量集），设置不同的隐层节点数会有不同的拟合误差，比较拟合误差去较小的那个对应的节点数，，，，别忘记神经网络本质上是一种映射关系，，，

③ 神经网络

神经网络是一种运算模型，模拟大脑神经网络处理、记忆信息的方式进行信息处理。晌枣敏

.

搜索神经网络经常会看到这种圈、线图。神经网络定义是由大量的节点之间相互联接构成，每个结点代表什么？每条线代表什么？

上图每个圆圆的圈称之为节点，节点就是对输入数据乘上一定的权重后，进行函数处理。

每两个节点间的连接都代表一个权重，这相当于人工神经网络的记忆。

术语上把上面一个个圆圈叫做 “神经元” ，深入了解这些圈圈的内部构造。
当这些圈圈（神经元）收到数据输入时，经历三个步骤：

输出的结果又可以作为数据进入下一个神经元。

还有一个“偏置”的定义用来完善步骤二，这里就不提了。

·

有时候会遇到这样的神经网络的图，其实就是把上面两种类型图结合起来。

输入数据经过3层神经网络处理后，输岩悔出结果。
不同层数可以有不同数量的神经元。
每个神经元都有对应输入值的权值w，以及一个偏置b，还有一个激活函数f。
每个神经元的权重w、偏置b、激活函数f都可以不一样。

所以针对这一特性，当神经元函数采用sigmoid函数时，权重的计算：

其中gj计算如下：

这里y为实际分类，y^为预测分类（神经元f处理结果） 详细计算

.

有一组数据，包含4个样本，每个样本有3个属性，每一个样本对于一个已知的分类结果y。（相当于已知结果的训练样本，4个样本，3个特征）

每个样本有3个属性，对应3个权重，进入神经元训练。第宴枝一层采用10个神经元进行处理。

步骤一：输入数据*权重

步骤二：代入函数f中计算
上面加权求和后的数据带入函数，这里使用sigmoid函数。

到这一步一层的神经网络就处理好了，比较预测结果和实际y之间的数值差（上面算法中提到的偏差d）为：-0.009664、0.00788003、0.00641069、-0.00786466，相差不多。

步骤三：完善权重w
一开始的权重是随便设置的，故需要根据公式需要完善权重值。

权重计算结果为-0.62737713，-0.30887831，-0.20651647，三个属性重新赋予合适的权重。

④ matlab实现人工神经网络的时候如何设置输出层的节点

newff里面设置啊。

一个函数你想要拟合2种结果？奇了怪了！！！