bp神經網路如何確定中間層

A. BP神經網路隱含層的輸入層3個單元，輸出層3個單元。。。。。。隱含層的個數咋確定。。。求高手指教

現在多數都是用一個經驗公式：（輸出層+輸出層）開根號，然後加1-10之間的數。
像這么少的輸入輸出層，隱層10以內的都可以吧，一個一個試試看哪個效果好。

B. bp神經網路如何區分單層和多層隱藏

這個全靠 你自己設的, 你喜歡設幾層就設幾層 , 不過一般來說,BP都是一個輸入層,一個隱層,一個輸出層這樣.因為聽說一個隱層就能夠逼近任意的函數了.你如果是用matlab工具箱的話,你可以調用net.numLayers查看網路的層數,若果是2,則說明是一個隱層(你可以認為matlab把輸出也當一個隱層),是3,則有2個隱層,這樣類推.
學習神經網路可以上<神經網路之家>

C. 在三層bp神經網路中，如果知道輸入層的值和各個神經元的權值，怎麼求輸出層的值

你得看你怎麼布置的神經網路吧，一般情況用輸入層各個神經元的值乘以相應的權值求和（或其他）的值送入一個函數（看你設置的是什麼）最終給出結果

D. BP神經網路輸入層結點個數怎麼確定

就是輸入特徵的個數

E. BP神經網路中，字母識別中隱藏層節點數的確定

螢火蟲 伊能靜的出處鏈接 我想添加空間背景音樂

F. BP神經網路中隱藏層節點個數怎麼確定最佳

神經網路演算法隱含層的選取：構造法，刪除法，黃金分割法。

首先在［a，b］內尋找理想的隱含層節點數，這樣就充分保證了網路的逼近能力和泛化能力，為滿足高精度逼近的要求，再按照黃金分割原理拓展搜索區間；

即得到區間［b，c］（其中b=0.619*（c-a）+a），在區間［b，c］中搜索最優，則得到逼近能力更強的隱含層節點數，在實際應用根據要求，從中選取其一即可。

計算過程

BP神經網路的計算過程由正向計算過程和反向計算過程組成。正向傳播過程，輸入模式從輸入層經隱單元層逐層處理，並轉向輸出層，每一層神經元的狀態隻影響下一層神經元的狀態。如果在輸出層不能得到期望的輸出，則轉入反向傳播，將誤差信號沿原來的連接通路返回，通過修改各神經元的權值，使得誤差信號最小。

以上內容參考：網路-BP神經網路

G. BP神經網路怎樣確定傳輸函數和隱層個數。。。。。

BP網路一般都是用三層的，四層及以上的都比較少用；
傳輸函數的選擇，這個怎麼說，假設你想預測的結果是幾個固定值，如1,0等，滿足某個條件輸出1，不滿足則0的話，首先想到的是hardlim函數，閾值型的，當然也可以考慮其他的；
然後，假如網路是用來表達某種線性關系時，用purelin---線性傳輸函數；
若是非線性關系的話，用別的非線性傳遞函數，多層網路時，每層不一定要用相同的傳遞函數，可以是三種配合，可以使非線性和線性，閾值的傳遞函數等；

compet---競爭型傳遞函數；
hardlim---閾值型傳遞函數；
hardlims---對稱閾值型傳輸函數；
logsig---S型傳輸函數；
poslin---正線性傳輸函數；
purelin---線性傳輸函數；
radbas---徑向基傳輸函數；
satlin---飽和線性傳輸函數；
satlins---飽和對稱線性傳輸函數；
softmax---柔性最大值傳輸函數；
tanhsig---雙曲正切S型傳輸函數；
tribas---三角形徑向基傳輸函數；

H. BP神經網路多輸出表達式如何確定

當然可以，神經網路具有極強的非線性映射能力，對非線性函數的擬合效果非常好，你可以試試BP神經網路，擬合能力已經很強。當對系統對於設計人員來說，很透徹或者很清楚時，則一般利用數值分析，偏微分方程等數學工具建立精確的數學模型，但當對系統很復雜，或者系統未知，系統信息量很少時，建立精確的數學模型很困難時，神經網路的非線性映射能力則表現出優勢，因為它不需要對系統進行透徹的了解，但是同時能達到輸入與輸出的映射關系，這就大大簡化設計的難度。