A. 如何選擇神經網路的超參數
1、神經網路演算法隱含層的選取
1.1 構造法
首先運用三種確定隱含層層數的方法得到三個隱含層層數，找到最小值和最大值，然後從最小值開始逐個驗證模型預測誤差，直到達到最大值。最後選取模型誤差最小的那個隱含層層數。該方法適用於雙隱含層網路。
1.2 刪除法
單隱含層網路非線性映射能力較弱，相同問題，為達到預定映射關系，隱層節點要多一些，以增加網路的可調參數，故適合運用刪除法。
1.3黃金分割法
演算法的主要思想：首先在[a,b]內尋找理想的隱含層節點數，這樣就充分保證了網路的逼近能力和泛化能力。為滿足高精度逼近的要求，再按照黃金分割原理拓展搜索區間，即得到區間[b,c]（其中b=0.619*（c-a）+a），在區間[b,c]中搜索最優，則得到逼近能力更強的隱含層節點數，在實際應用根據要求，從中選取其一即可。
B. 神經網路權值怎麼確定
神經網路的權值是通過對網路的訓練得到的。如果使用MATLAB的話不要自己設定，newff之後會自動賦值。也可以手動：net.IW{}= ; net.bias{}=。一般來說輸入歸一化，那麼w和b取0-1的隨機數就行。神經網路的權值確定的目的是為了讓神經網路在訓練過程中學習到有用的信息，這意味著參數梯度不應該為0。
參數初始化要滿足兩個必要條件：
1、各個激活層不會出現飽和現象，比如對於sigmoid激活函數，初始化值不能太大或太小，導致陷入其飽和區。
2、各個激活值不為0，如果激活層輸出為零，也就是下一層卷積層的輸入為零，所以這個卷積層對權值求偏導為零，從而導致梯度為0。
(2)神經網路結果參數如何設置擴展閱讀：
神經網路和權值的關系。
在訓練智能體執行任務時，會選擇一個典型的神經網路框架，並相信它有潛力為這個任務編碼特定的策略。注意這里只是有潛力，還要學習權重參數，才能將這種潛力變化為能力。
受到自然界早成行為及先天能力的啟發，在這項工作中，研究者構建了一個能自然執行給定任務的神經網路。也就是說，找到一個先天的神經網路架構，然後只需要隨機初始化的權值就能執行任務。研究者表示，這種不用學習參數的神經網路架構在強化學習與監督學習都有很好的表現。
其實如果想像神經網路架構提供的就是一個圈，那麼常規學習權值就是找到一個最優點（或最優參數解）。但是對於不用學習權重的神經網路，它就相當於引入了一個非常強的歸納偏置，以至於，整個架構偏置到能直接解決某個問題。
但是對於不用學習權重的神經網路，它相當於不停地特化架構，或者說降低模型方差。這樣，當架構越來越小而只包含最優解時，隨機化的權值也就能解決實際問題了。如研究者那樣從小架構到大架構搜索也是可行的，只要架構能正好將最優解包圍住就行了。
C. 澧炵泭鍊煎嚲緗鍊煎備綍璋冩暣錛
澧炵泭鍊煎拰鍋忕疆鍊兼槸紲炵粡緗戠粶涓鐨勯噸瑕佸弬鏁幫紝瀹冧滑鐨勮皟鏁村逛簬緗戠粶鐨勫︿範鑳藉姏鍜岄勬祴綺懼害鏈夌潃閲嶈佸獎鍝嶃傚炵泭鍊煎拰鍋忕疆鍊肩殑璋冩暣閫氬父閫氳繃鍙嶅悜浼犳挱綆楁硶鍜屾搴︿笅闄嶇畻娉曟潵瀹炵幇銆
棣栧厛錛屾垜浠闇瑕佷簡瑙ｄ粈涔堟槸澧炵泭鍊煎拰鍋忕疆鍊箋傚湪紲炵粡緗戠粶涓錛屾瘡涓紲炵粡鍏冮兘鏈変竴涓澧炵泭鍊煎拰涓涓鍋忕疆鍊箋傚炵泭鍊煎喅瀹氫簡杈撳叆淇″彿瀵圭炵粡鍏冭緭鍑虹殑褰卞搷紼嬪害錛岃屽嚲緗鍊煎垯鏄紲炵粡鍏冭緭鍑虹殑鍩虹姘村鉤銆傝繖涓や釜鍙傛暟鐨勮皟鏁村彲浠ユ敼鍙樼炵粡鍏冪殑鏁忔劅鎬у拰嬋媧葷▼搴︼紝浠庤屽獎鍝嶇綉緇滅殑瀛︿範鏁堟灉銆
澧炵泭鍊煎拰鍋忕疆鍊肩殑璋冩暣閫氬父閫氳繃鍙嶅悜浼犳挱綆楁硶鏉ュ疄鐜般傚弽鍚戜紶鎾綆楁硶鏄涓縐嶅熀浜庢搴︿笅闄嶇殑浼樺寲綆楁硶錛屽畠閫氳繃璁＄畻鎹熷け鍑芥暟瀵瑰炵泭鍊煎拰鍋忕疆鍊肩殑鍋忓兼暟錛屾潵鏇存柊榪欎袱涓鍙傛暟鐨勫箋傚叿浣撴潵璇達紝濡傛灉鎹熷け鍑芥暟瀵規煇涓鍙傛暟鐨勫嚲瀵兼暟澶т簬0錛岄偅涔堝氨鍑忓皬榪欎釜鍙傛暟鐨勫礆紱濡傛灉鍋忓兼暟灝忎簬0錛岄偅涔堝氨澧炲ぇ榪欎釜鍙傛暟鐨勫箋傝繖鏍鳳紝閫氳繃澶氭¤凱浠ｏ紝灝卞彲浠ユ壘鍒頒嬌鎹熷け鍑芥暟鏈灝忓寲鐨勫弬鏁板箋
鍦ㄥ疄闄呭簲鐢ㄤ腑錛屽炵泭鍊煎拰鍋忕疆鍊肩殑璋冩暣榪橀渶瑕佽冭檻涓浜涘叾浠栧洜緔犮備緥濡傦紝涓轟簡闃叉㈣繃鎷熷悎錛屾垜浠閫氬父浼氬湪鎹熷け鍑芥暟涓鍔犲叆姝ｅ垯鍖栭」錛岃繖浼氬獎鍝嶅埌澧炵泭鍊煎拰鍋忕疆鍊肩殑鏇存柊銆傛ゅ栵紝涓轟簡鍔犻熷︿範榪囩▼錛屾垜浠榪樹細浣跨敤涓浜涗紭鍖栨妧宸э紝濡傚姩閲忔硶銆佽嚜閫傚簲瀛︿範鐜囩瓑銆
鎬葷殑鏉ヨ達紝澧炵泭鍊煎拰鍋忕疆鍊肩殑璋冩暣鏄涓涓澶嶆潅鐨勮繃紼嬶紝闇瑕佹牴鎹鍏蜂綋鐨勪換鍔″拰鏁版嵁鏉ヨ繘琛屻備絾鏄錛屽彧瑕佹垜浠鐞嗚В浜嗚繖涓榪囩▼鐨勫熀鏈鍘熺悊錛屽氨鍙浠ユ湁鏁堝湴璋冩暣榪欎袱涓鍙傛暟錛屼粠鑰屾彁楂樼炵粡緗戠粶鐨勬ц兘銆
鍦ㄥ疄闄呮搷浣滀腑錛屾垜浠鍙浠ヤ嬌鐢ㄤ竴浜涘伐鍏峰簱錛屽俆ensorFlow銆丳yTorch絳夛紝榪欎簺宸ュ叿搴撴彁渚涗簡鑷鍔ㄦ眰瀵煎拰浼樺寲鐨勫姛鑳斤紝鍙浠ュぇ澶х畝鍖栧炵泭鍊煎拰鍋忕疆鍊肩殑璋冩暣榪囩▼銆傚悓鏃訛紝鎴戜滑榪樺彲浠ヤ嬌鐢ㄤ竴浜涜皟璇曞伐鍏鳳紝濡俆ensorBoard錛屾潵瑙傚療璁緇冭繃紼嬩腑鍙傛暟鐨勫彉鍖栵紝浠庤屾洿濂藉湴鐞嗚В澧炵泭鍊煎拰鍋忕疆鍊肩殑浣滅敤銆
鎬葷殑鏉ヨ達紝澧炵泭鍊煎拰鍋忕疆鍊肩殑璋冩暣鏄紲炵粡緗戠粶璁緇冪殑閲嶈佺粍鎴愰儴鍒嗭紝閫氳繃鍚堢悊鍦拌皟鏁磋繖涓や釜鍙傛暟錛屾垜浠鍙浠ユ彁楂樼綉緇滅殑瀛︿範鑳藉姏鍜岄勬祴綺懼害銆
D. SPSS的神經網路模型參數設置疑問
1神經網路對於定量數據也能用
2因子根據具體研究面對確定
3比例3:7，也可以cross
4驗證集必須
5這些就多了，有數學公式