前馈神经网络如何选择隐藏层的数量

隐藏层数

一般是一层，因为大部分情况下都够用了。理论上说，一个有两个隐藏层的前馈神经网络可以表示任意的非线性决策边界。所以，可以说1到2个隐藏层。

隐藏层中的节点数

1.输入层节点数 = 输入向量维数
2.输出层节点数 = 测试分类个数，或者预测的节点数
3隐含层节点数计算:
（1）假设输入层的节点数是Nx，输出层的节点数Ny，那么每个隐藏层中的节点数Nh一般在Nx和Ny之间，有人推荐Nh = sqrt(NxNy)，也有人推荐 Nh=Ns / c(Nx+Ny),其中Ns是样本的数量，c是一个常数，通常选择个位数。
（2）

当然以上都是根据经验而来的，具体怎么选，还需要针对具体问题进行分析然后做交叉验证。