Machine learning 神经网络模型中的隐藏层数

Machine learning 神经网络模型中的隐藏层数,machine-learning,neural-network,Machine Learning,Neural Network,是否有人能向我解释或向我指出为什么(或在何种情况下)一个以上的隐藏层在神经网络中是必要的或有用的?每一层都以指数方式有效地提高了适应的潜在“复杂性”(与向单个层添加更多节点的乘法方式相反)。基本上,更多的层可以表示更多的功能。Russell和Norvig的AI课程标准书《人工智能,现代方法》在第20章中详细介绍了为什么多个层很重要 重要的一点是,使用足够大的单个隐藏层,可以表示每个连续函数,但至少需要2层才能表示每个不连续函数 然而,在实践中,至少99%的时间一层就足够了 这与大脑的工作方式更为

是否有人能向我解释或向我指出为什么(或在何种情况下)一个以上的隐藏层在神经网络中是必要的或有用的?每一层都以指数方式有效地提高了适应的潜在“复杂性”(与向单个层添加更多节点的乘法方式相反)。

基本上,更多的层可以表示更多的功能。Russell和Norvig的AI课程标准书《人工智能,现代方法》在第20章中详细介绍了为什么多个层很重要

重要的一点是,使用足够大的单个隐藏层,可以表示每个连续函数,但至少需要2层才能表示每个不连续函数

然而,在实践中,至少99%的时间一层就足够了

  • 这与大脑的工作方式更为相似(这可能不一定是一种计算优势,但许多人研究神经网络是为了深入了解大脑的工作方式,而不是解决现实世界的问题)
  • 使用更多的层更容易实现某些类型的不变性。例如,无论对象在图像中的何处或对象的大小如何工作的图像分类器。请参阅