Neural network 人工神经网络分层

我决定试着做一个认知系统。我想从16x16像素的图片开始。这将是256个输入神经元。 现在，输出神经元基本上就是我想要多少结果，所以我想区分字母A，B和C。 然后我需要3个输出神经元，对吗

---

我的问题是，我怎样才能知道在隐藏层中需要多少神经元？再说一遍，他们的目的是什么？我想要多少角色类？比如说，O和Q是非常相似的，所以它们都会导致一个隐层神经元，然后这些神经元会告诉他们，关于输入层和输出层，你是对的

我怎么知道在隐藏层中需要多少神经元

在神经网络的隐藏层中，没有具体的规则确切地说明需要多少单位。不过，这里有一些一般性的指导原则，我将引用其中

输入单位数量：特征尺寸x（i）

输出单元数：类数

合理的默认值是一个隐藏层，或者如果>1个隐藏层，则每个层中的隐藏单元数相同（通常越多越好，大约是输入单元数的1倍到4倍）

你还问：

再说一遍，他们的目的是什么

隐藏层单元只是将输入转换为输出层可以使用的值（使用训练期间选择的系数）

我想要多少角色类？比如说，O和Q是非常相似的，所以你的两个都会导致一个隐藏层的神经元，谁后来把它们区分开来

---

不，那不对。输出单元的数量将与您想要的类的数量相同。每个输出单元将对应一个字母，并将说明输入图像是否为该字母（具有一定的概率）。概率最高的输出单位是您选择的正确字母。

我仍然不知道隐藏层的理论任务。我知道它们的存在是为了减少出错的可能性，但是图像中每个像素有一个神经元。。。在我上面提到的例子中，一个隐藏层的神经元有多少个？@Ledii这取决于你，但每个隐藏层的输入单元数量应该是1到4倍。