ニューラルネットワーク近似関数

Question

近似関数としてニューラルネットワークの効率をテストしようとしています。

私が近似する必要がある関数は、5つの入力と1つの出力を持っていますが、どの構造を使うべきですか？

隠しレイヤーの数と各レイヤーのノード数を決定するためにどの基準を適用すべきかについてはわかりません。

は、事前に よろしく

ジュゼッペありがとうございました。

Answer 1

私は常に1つの隠しレイヤーを使用します。理論的には、2つ以上の隠れた層で近似することができない関数はありません。単一の隠しレイヤをより複雑にするには、隠れノードを追加します。

通常、隠れノードの数は、（精度などによって測定されるような）モデル性能への影響を観察するために変更されます。隠れノードが少なすぎると、アンダーフィッティングのためにフィット感が悪くなります（ニューラルネットワークの出力関数は単純すぎるため、データの重要な部分が失われます）。隠れノードが多すぎると、オーバーフィッティングのためにフィット感が悪くなります（ニューラルネットワークは非常に柔軟になり、データ内のすべてのノイズを追跡します）。

Answer 2

凹型ポリゴンを分離するには、分類問題のために少なくとも2つの隠れたレイヤーが必要であることに注意してください。

隠れ層の数が関数近似にどのように影響するかわかりません。