隱層的層數和隱層神經元的個數與輸入技術特征參數的復雜程度和需要識別的故障模式種類有著緊密的聯系，當出現輸入模式和輸出模式不能夠順利匹配時，就不得不提加隱層層數，以便于建立輸入信號的中間轉換，處理信號的能力也是隨著隱層層數的提加而逐步增加，假使設定BP網存在足夠的隱層個數，輸入模式轉換為輸出模式也始終保持著十分的適宜。就目前所經歷的情況來說，還沒有任何一種理論依據可以作為BP網必須要提加到兩個層次以上的隱層，對于絕大多數的實際問題來說，只有一個隱層的神經網絡（三層）就能夠解決實際問題了。以實際工程應用的經驗做依據，把BP神經網隱層的數目提加到兩個或以上可以說是沒有任何優勢而言的，BP神經網采用隱層的數目越大，它的訓練時間不可避免的會飛速增加，形成這種現象的主要原因是伴隨著隱層數目的不斷提加，誤差向后傳播這一過程中所需的計算量自然也就會變得越來越大。除了這一點之外隱層的層數增加后，局部的最小誤差的值也會變大，在BP網絡訓練過程中網絡是十分容易陷入到局部最小誤差，最終難以跳出訓練學習的過程，網絡的權重要調整到最小誤差處是難以辦到的。根據實際的需要和以上的具體分析不難可以看出，針對作為本文研究對象的http://gygpump01.cn.qiyeku.com電機而建立的BP網絡隱層數目設置為1,確定隱層數目之后更為重要的一個問題是怎樣在隱層選擇適當數目的神經元（神經處理單元）。幾乎可以肯定的說，定下隱層神經單元的數目{jd1}是所要建立的BP網絡成功與否的關鍵要點，這是由于如果把隱層神經單元數取值的太小，那么網絡所能夠獲得的用以解決實際問題的信息量太少，面對稍微復雜的問題根本是無從應對；相反，如果把隱層神經單元數取值的太大，不僅使得BP網的訓練時間飛速變長，而且這個訓練學習的時間根本是人們所無法想象的長，這是根本不能夠接受的，更加令人頭疼和棘手的問題無疑是是過量的的隱層處理單元數目還極易出現被稱之為“極度貼合”的問題。簡而言之，如果BP網絡具有過度強悍的信息處理能力，那么就會把訓練學習集中一些沒有太大意義的信息也納入進行深入學習的范疇。這樣，網絡要分辨數據中真正的模式就非常難了。

如想了解更多關于廣州廣一泵業有限公司的信息，可關注網站：http://gygpump01.cn.qiyeku.com  聯系電話：020-36800721 李先生

聯系電話：020-36800721/ 020-36800722    聯系手機：13827265823 / 13825759688

聯系人：李先生                            聯系QQ：2858083868/187252656

聯系地址：廣州市科韻南路133號