http://blog.csdn.net/zouxy09/article/details/9983399

?

1、網(wǎng)絡(luò)中隱含層神經(jīng)元節(jié)點的個數(shù)（需要學(xué)習(xí)的特征數(shù)目），采集的密度（也就是convolution時的移動步伐，也就是在什么地方計算特征）和感知區(qū)域大小對最終特征提取效果的影響很大，甚至比網(wǎng)絡(luò)的層次數(shù)，deep learning學(xué)習(xí)算法本身還要重要。

2、Whitening在預(yù)處理過程中還是很有必要的。

3、如果不考慮非監(jiān)督學(xué)習(xí)算法的選擇的話，whitening、?large numbers of features和small stride都會得到更好的性能。

4、在以上4種實驗算法中，k-means效果竟然最好。因此在最后作者給出結(jié)論時的建議是，盡量使用whitening對數(shù)據(jù)進行預(yù)處理，每一層訓(xùn)練更多的特征數(shù)，采用更密集的方法對數(shù)據(jù)進行采樣。

?

總結(jié)

以上是生活随笔為你收集整理的【深度学习】网络中隐含层神经元节点的个数（需要学习的特征数目）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。