神經網絡的參數是如何來設定的

①、網絡節點

網絡輸入層神經元節點數就是系統的特征因子（自變量）個數，輸出層神經元節點數就是系統目標個數。隱層節點選按經驗選取，一般設為輸入層節點數的75%。如果輸入層有7個節點，輸出層1個節點，那么隱含層可暫設為5個節點，即構成一個7-5-1 BP神經網絡模型。在系統訓練時，實際還要對不同的隱層節點數4、5、6個分別進行比較，最后確定出最合理的網絡結構。

②、初始權值的確定

初始權值是不應完全相等的一組值。已經證明，即便確定存在一組互不相等的使系統誤差更小的權值，如果所設Wji的的初始值彼此相等，它們將在學習過程中始終保持相等。故而，在程序中，我們設計了一個隨機發生器程序，產生一組一0.5~+0.5的隨機數，作為網絡的初始權值。

③、最小訓練速率

在經典的BP算法中，訓練速率是由經驗確定，訓練速率越大，權重變化越大，收斂越快；但訓練速率過大，會引起系統的振蕩，因此，訓練速率在不導致振蕩前提下，越大越好。因此，在DPS中，訓練速率會自動調整，并盡可能取大一些的值，但用戶可規定一個最小訓練速率。該值一般取0.9。

④、動態參數

動態系數的選擇也是經驗性的，一般取0.6 ~0.8。

⑤、允許誤差

一般取0.001~0.00001，當2次迭代結果的誤差小于該值時，系統結束迭代計算，給出結果。

⑥、迭代次數

一般取1000次。由于神經網絡計算并不能保證在各種參數配置下迭代結果收斂，當迭代結果不收斂時，允許最大的迭代次數。

⑦、Sigmoid參數

該參數調整神經元激勵函數形式，一般取0.9~1.0之間。