有人能够向我解释或向我指出一些资源,说明为什么(或在哪些情况下)在神经网络中多个隐藏层是必要的或有用的?
最佳答案
基本上,更多的层可以表示更多的功能。人工智能类(class)的标准书籍,Russell 和 Norvig 所著的《人工智能,一种现代方法》,在第 20 章中详细介绍了为什么多层很重要。
重要的一点是,使用足够大的单个隐藏层,您可以表示每个连续函数,但您将需要至少 2 个层才能表示每个不连续函数。
但实际上,至少 99% 的情况下单层就足够了。
关于machine-learning - 神经网络模型中隐藏层的数量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2115194/