bp神经网络如何确定中间层

A. BP神经网络隐含层的输入层3个单元，输出层3个单元。。。。。。隐含层的个数咋确定。。。求高手指教

现在多数都是用一个经验公式：（输出层+输出层）开根号，然后加1-10之间的数。
像这么少的输入输出层，隐层10以内的都可以吧，一个一个试试看哪个效果好。

B. bp神经网络如何区分单层和多层隐藏

这个全靠 你自己设的, 你喜欢设几层就设几层 , 不过一般来说,BP都是一个输入层,一个隐层,一个输出层这样.因为听说一个隐层就能够逼近任意的函数了.你如果是用matlab工具箱的话,你可以调用net.numLayers查看网络的层数,若果是2,则说明是一个隐层(你可以认为matlab把输出也当一个隐层),是3,则有2个隐层,这样类推.
学习神经网络可以上<神经网络之家>

C. 在三层bp神经网络中，如果知道输入层的值和各个神经元的权值，怎么求输出层的值

你得看你怎么布置的神经网络吧，一般情况用输入层各个神经元的值乘以相应的权值求和（或其他）的值送入一个函数（看你设置的是什么）最终给出结果

D. BP神经网络输入层结点个数怎么确定

就是输入特征的个数

E. BP神经网络中，字母识别中隐藏层节点数的确定

萤火虫 伊能静的出处链接 我想添加空间背景音乐

F. BP神经网络中隐藏层节点个数怎么确定最佳

神经网络算法隐含层的选取：构造法，删除法，黄金分割法。

首先在［a，b］内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力，为满足高精度逼近的要求，再按照黄金分割原理拓展搜索区间；

即得到区间［b，c］（其中b=0.619*（c-a）+a），在区间［b，c］中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。

计算过程

BP神经网络的计算过程由正向计算过程和反向计算过程组成。正向传播过程，输入模式从输入层经隐单元层逐层处理，并转向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。

以上内容参考：网络-BP神经网络

G. BP神经网络怎样确定传输函数和隐层个数。。。。。

BP网络一般都是用三层的，四层及以上的都比较少用；
传输函数的选择，这个怎么说，假设你想预测的结果是几个固定值，如1,0等，满足某个条件输出1，不满足则0的话，首先想到的是hardlim函数，阈值型的，当然也可以考虑其他的；
然后，假如网络是用来表达某种线性关系时，用purelin---线性传输函数；
若是非线性关系的话，用别的非线性传递函数，多层网络时，每层不一定要用相同的传递函数，可以是三种配合，可以使非线性和线性，阈值的传递函数等；

compet---竞争型传递函数；
hardlim---阈值型传递函数；
hardlims---对称阈值型传输函数；
logsig---S型传输函数；
poslin---正线性传输函数；
purelin---线性传输函数；
radbas---径向基传输函数；
satlin---饱和线性传输函数；
satlins---饱和对称线性传输函数；
softmax---柔性最大值传输函数；
tanhsig---双曲正切S型传输函数；
tribas---三角形径向基传输函数；

H. BP神经网络多输出表达式如何确定

当然可以，神经网络具有极强的非线性映射能力，对非线性函数的拟合效果非常好，你可以试试BP神经网络，拟合能力已经很强。当对系统对于设计人员来说，很透彻或者很清楚时，则一般利用数值分析，偏微分方程等数学工具建立精确的数学模型，但当对系统很复杂，或者系统未知，系统信息量很少时，建立精确的数学模型很困难时，神经网络的非线性映射能力则表现出优势，因为它不需要对系统进行透彻的了解，但是同时能达到输入与输出的映射关系，这就大大简化设计的难度。