基于决策树算法确定一个最小神经网络

摘要

神经网络隐层神经元的个数对于网络的性能有着重要的影响，通常情况下，对于一个特定问题来说，没有一个确定的方法来决定隐合层到底应该有多少个神经元，一般采用试探的方法通过多次实验来达到理想效果。在分类问题中，决策树和神经网络的结构有着一定的关联性，通过把决策树映射到神经网络结构中来确定隐层神经元的个数的方法能够有效地设计神经网络的结构，从而提高训练的效率并达到良好的分类效果。实验结果表明，该方法能够得到一个有着良好识别率的最小神经网络。方法简单有效，直观且易于操作。