需要幫助設置神經網絡參數（學習速率，動量，隱藏層大小...）

Question

我有一個標準的前饋反向傳播神經網絡，我想訓練能夠識別藍色的球。我有30個圖像20個球和10個沒有，我的第一個問題是，這是否足夠我假設它有更好的少，但很高興知道是否有最低限度的種類。每幅圖像的寬度爲96像素，高度爲128像素，因此總共爲12,288像素，其中3爲RGB，在我的輸入層中提供了36,864個感知子。因爲我只需要知道圖像是否包含藍色的球或者我沒有1個輸出感知器。網絡中的所有感知器都使用邏輯激活功能。在我的隱藏層中，我嘗試了大量不同數量的隱藏單元，範圍從100-3000，但它們都不起作用，網絡要麼說MSE低到足以在1次迭代後停止，要麼網絡從未達到所需的MSE並由於訓練迭代限制而停止，並且無論輸入是什麼，輸出總是相同的值。我已經嘗試了一系列的學習率和動量都在0.1以下，並且勢頭總是低於學習率，我現在的MSE目標是0.0005。我之前使用神經網絡完成了對象檢測，但是沒有輸入層，我只有一個隱藏層，有12,288個感知子（每個像素一個），每個感知器有24個輸入（每個顏色8個位3 * 8 = 24位）從圖像中接收到二進制顏色信息，然後我有一個輸出感知器，所有的感知器都使用邏輯激活功能，它工作。我認爲id嘗試使用輸入圖層，但到目前爲止，我唯一能夠學習的就是XOR問題。

所以我的問題是：

什麼是最佳的網絡拓撲結構，我的問題？ （多少層，隱藏單位...）

我應該使用一系列學習率和動量值嗎？

30個訓練樣本是否足夠？

---

而且，正如一個側面說明，以防它在創建我的神經網絡的權重值的範圍從-0.3初始化事項 - 0.3

Answer 1

總的來說，我認爲最大的問題，神經網絡就是你沒有得到很好的保證，而且你在結構上有很大的自由度。選擇正確的參數是一個大量的實驗和迭代的問題。

我不認爲任何人都可以事先告訴我什麼肯定會起作用。