A. 如何选择神经网络的超参数
1、神经网络算法隐含层的选取
1.1 构造法
首先运用三种确定隐含层层数的方法得到三个隐含层层数，找到最小值和最大值，然后从最小值开始逐个验证模型预测误差，直到达到最大值。最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。
1.2 删除法
单隐含层网络非线性映射能力较弱，相同问题，为达到预定映射关系，隐层节点要多一些，以增加网络的可调参数，故适合运用删除法。
1.3黄金分割法
算法的主要思想：首先在[a,b]内寻找理想的隐含层节点数，这样就充分保证了网络的逼近能力和泛化能力。为满足高精度逼近的要求，再按照黄金分割原理拓展搜索区间，即得到区间[b,c]（其中b=0.619*（c-a）+a），在区间[b,c]中搜索最优，则得到逼近能力更强的隐含层节点数，在实际应用根据要求，从中选取其一即可。
B. 神经网络权值怎么确定
神经网络的权值是通过对网络的训练得到的。如果使用MATLAB的话不要自己设定，newff之后会自动赋值。也可以手动：net.IW{}= ; net.bias{}=。一般来说输入归一化，那么w和b取0-1的随机数就行。神经网络的权值确定的目的是为了让神经网络在训练过程中学习到有用的信息，这意味着参数梯度不应该为0。
参数初始化要满足两个必要条件：
1、各个激活层不会出现饱和现象，比如对于sigmoid激活函数，初始化值不能太大或太小，导致陷入其饱和区。
2、各个激活值不为0，如果激活层输出为零，也就是下一层卷积层的输入为零，所以这个卷积层对权值求偏导为零，从而导致梯度为0。
(2)神经网络结果参数如何设置扩展阅读：
神经网络和权值的关系。
在训练智能体执行任务时，会选择一个典型的神经网络框架，并相信它有潜力为这个任务编码特定的策略。注意这里只是有潜力，还要学习权重参数，才能将这种潜力变化为能力。
受到自然界早成行为及先天能力的启发，在这项工作中，研究者构建了一个能自然执行给定任务的神经网络。也就是说，找到一个先天的神经网络架构，然后只需要随机初始化的权值就能执行任务。研究者表示，这种不用学习参数的神经网络架构在强化学习与监督学习都有很好的表现。
其实如果想象神经网络架构提供的就是一个圈，那么常规学习权值就是找到一个最优点（或最优参数解）。但是对于不用学习权重的神经网络，它就相当于引入了一个非常强的归纳偏置，以至于，整个架构偏置到能直接解决某个问题。
但是对于不用学习权重的神经网络，它相当于不停地特化架构，或者说降低模型方差。这样，当架构越来越小而只包含最优解时，随机化的权值也就能解决实际问题了。如研究者那样从小架构到大架构搜索也是可行的，只要架构能正好将最优解包围住就行了。
C. 澧炵泭鍊煎亸缃鍊煎备綍璋冩暣锛
澧炵泭鍊煎拰锅忕疆鍊兼槸绁炵粡缃戠粶涓镄勯吨瑕佸弬鏁帮纴瀹冧滑镄勮皟鏁村逛簬缃戠粶镄勫︿範鑳藉姏鍜岄勬祴绮惧害链夌潃閲嶈佸奖鍝嶃傚炵泭鍊煎拰锅忕疆鍊肩殑璋冩暣阃氩父阃氲繃鍙嶅悜浼犳挱绠楁硶鍜屾搴︿笅闄岖畻娉曟潵瀹炵幇銆
棣栧厛锛屾垜浠闇瑕佷简瑙ｄ粈涔堟槸澧炵泭鍊煎拰锅忕疆鍊笺傚湪绁炵粡缃戠粶涓锛屾疮涓绁炵粡鍏冮兘链変竴涓澧炵泭鍊煎拰涓涓锅忕疆鍊笺傚炵泭鍊煎喅瀹氢简杈揿叆淇″彿瀵圭炵粡鍏冭緭鍑虹殑褰卞搷绋嫔害锛岃屽亸缃鍊煎垯鏄绁炵粡鍏冭緭鍑虹殑锘虹姘村钩銆傝繖涓や釜鍙傛暟镄勮皟鏁村彲浠ユ敼鍙樼炵粡鍏幂殑鏁忔劅镐у拰婵娲荤▼搴︼纴浠庤屽奖鍝岖绣缁灭殑瀛︿範鏁堟灉銆
澧炵泭鍊煎拰锅忕疆鍊肩殑璋冩暣阃氩父阃氲繃鍙嶅悜浼犳挱绠楁硶𨱒ュ疄鐜般傚弽钖戜紶鎾绠楁硶鏄涓绉嶅熀浜庢搴︿笅闄岖殑浼桦寲绠楁硶锛屽畠阃氲繃璁＄畻鎹熷け鍑芥暟瀵瑰炵泭鍊煎拰锅忕疆鍊肩殑锅忓兼暟锛屾潵镟存柊杩欎袱涓鍙傛暟镄勫笺傚叿浣撴潵璇达纴濡傛灉鎹熷け鍑芥暟瀵规煇涓鍙傛暟镄勫亸瀵兼暟澶т簬0锛岄偅涔埚氨鍑忓皬杩欎釜鍙傛暟镄勫硷绂濡傛灉锅忓兼暟灏忎簬0锛岄偅涔埚氨澧炲ぇ杩欎釜鍙傛暟镄勫笺傝繖镙凤纴阃氲繃澶氭¤凯浠ｏ纴灏卞彲浠ユ垒鍒颁娇鎹熷け鍑芥暟链灏忓寲镄勫弬鏁板笺
鍦ㄥ疄闄呭簲鐢ㄤ腑锛屽炵泭鍊煎拰锅忕疆鍊肩殑璋冩暣杩橀渶瑕佽冭槛涓浜涘叾浠栧洜绱犮备緥濡傦纴涓轰简阒叉㈣繃𨰾熷悎锛屾垜浠阃氩父浼氩湪鎹熷け鍑芥暟涓锷犲叆姝ｅ垯鍖栭”锛岃繖浼氩奖鍝嶅埌澧炵泭鍊煎拰锅忕疆鍊肩殑镟存柊銆傛ゅ栵纴涓轰简锷犻熷︿範杩囩▼锛屾垜浠杩树细浣跨敤涓浜涗紭鍖栨妧宸э纴濡傚姩閲忔硶銆佽嚜阃傚簲瀛︿範鐜囩瓑銆
镐荤殑𨱒ヨ达纴澧炵泭鍊煎拰锅忕疆鍊肩殑璋冩暣鏄涓涓澶嶆潅镄勮繃绋嬶纴闇瑕佹牴鎹鍏蜂綋镄勪换锷″拰鏁版嵁𨱒ヨ繘琛屻备絾鏄锛屽彧瑕佹垜浠鐞呜В浜呜繖涓杩囩▼镄勫熀链铡熺悊锛屽氨鍙浠ユ湁鏁埚湴璋冩暣杩欎袱涓鍙傛暟锛屼粠钥屾彁楂樼炵粡缃戠粶镄勬ц兘銆
鍦ㄥ疄闄呮搷浣滀腑锛屾垜浠鍙浠ヤ娇鐢ㄤ竴浜涘伐鍏峰簱锛屽俆ensorFlow銆丳yTorch绛夛纴杩欎簺宸ュ叿搴撴彁渚涗简镊锷ㄦ眰瀵煎拰浼桦寲镄勫姛鑳斤纴鍙浠ュぇ澶х亩鍖栧炵泭鍊煎拰锅忕疆鍊肩殑璋冩暣杩囩▼銆傚悓镞讹纴鎴戜滑杩桦彲浠ヤ娇鐢ㄤ竴浜涜皟璇曞伐鍏凤纴濡俆ensorBoard锛屾潵瑙傚疗璁缁冭繃绋嬩腑鍙傛暟镄勫彉鍖栵纴浠庤屾洿濂藉湴鐞呜В澧炵泭鍊煎拰锅忕疆鍊肩殑浣灭敤銆
镐荤殑𨱒ヨ达纴澧炵泭鍊煎拰锅忕疆鍊肩殑璋冩暣鏄绁炵粡缃戠粶璁缁幂殑閲嶈佺粍鎴愰儴鍒嗭纴阃氲繃钖堢悊鍦拌皟鏁磋繖涓や釜鍙傛暟锛屾垜浠鍙浠ユ彁楂樼绣缁灭殑瀛︿範鑳藉姏鍜岄勬祴绮惧害銆
D. SPSS的神经网络模型参数设置疑问
1神经网络对于定量数据也能用
2因子根据具体研究面对确定
3比例3:7，也可以cross
4验证集必须
5这些就多了，有数学公式