No hay una regla estricta para esto.
El número de nodos ocultos que debe tener se basa en una relación compleja entre
- Número de nodos de entrada y salida
- Cantidad de datos de entrenamiento disponibles
- Complejidad de la función que se intenta aprender.
- El algoritmo de entrenamiento
Fuente: (comp.ai.neural-nets FAQ, Parte 3 de 7: Sección de generalización: ¿cuántas unidades ocultas debo usar?)
- ¿Cuán teóricas son las ideas que se muestran en 'Persona de interés'? ¿Cuál es la posibilidad de que tal sistema exista hoy o, digamos, dentro de 5 años? ¿Cuán coherentes son los principios de la IA, como se muestra en este programa?
- ¿Qué querrá hacer con nosotros la inteligencia artificial sensible (IA)?
- ¿Sería un ciudadano o una posesión una inteligencia artificial consciente de sí misma?
- ¿Cuáles son algunos ejemplos de medios de ciencia ficción con IA inteligente que no salen mal?
- ¿Cómo podemos usar la inteligencia artificial y el aprendizaje automático en circuitos electrónicos y EDA?
Para minimizar el error y tener una red capacitada que generalice bien, debe elegir un número óptimo de capas ocultas, así como nodos en cada capa oculta.
- Muy pocos nodos conducirán a un alto error para su sistema ya que los factores predictivos pueden ser demasiado complejos para que un pequeño número de nodos capture
- Demasiados nodos se adaptarán demasiado a sus datos de entrenamiento y no se generalizarán bien
Podría encontrar algunos consejos generales en esta página (comp.ai.neural-nets FAQ, Parte 3 de 7: Sección de generalización: ¿cuántas unidades ocultas debo usar?)
- El número de nodos ocultos en cada capa debe estar en algún lugar entre el tamaño de la capa de entrada y salida, potencialmente la media.
- El número de nodos ocultos no debería necesitar exceder el doble del número de nodos de entrada, ya que probablemente esté sobreajustando en este momento.
Un artículo detalla cómo un investigador utilizó una reducción de la dimensionalidad en las imágenes de entrenamiento y descubrió que 17 era un número óptimo de nodos ocultos. Si bien puede ser específico para su problema, puede consultarlo aquí para obtener ideas: (Efectos de la cantidad de nodos ocultos utilizados en una red neuronal estructurada en la confiabilidad de la clasificación de imágenes)
