Question

神经网络，隐含层节点数越多，遗传算法适应函数越小！这是怎么回事？

Answer 1

1.为什么神经网络还要用遗传算法啊？为什么不是反向传播？隐含层节点的数目理论上是超参数，针对不同问题，不同数目的隐含层效果都不一样，一般还是得试错法。
2.如果最后一定要用遗传算法，那隐含层节点就组成你用来进行各种交叉、变异操作的权重（基因）向量。那这个向量的长度取决于你的目标函数，目标函数中你挑选出来的带权重的特征（已知的输入）的数目，就是权重向量的多少，这东西不能自己随便变。
3.写到这我突然明白了，你是找不到目标函数中的特征，想用神经网络提高维特征，然后再用遗传算法找这些特征的权重吗？既然特征的多少（即隐含层节点的数目）你是未知的，那同1，和普通的神经网络一样，对于不同的问题节点的数目是超参数，你只能通过实验法确定了。既然你试出来节点很高时适应度函数低，那就减少节点数目吧。
节点多，按照我的理解，最后可能可以更精确，但在一开始并不容易找到最优解的方向（也许永远找不到）。问题并不复杂就减少节点数目吧，节点太多也会过拟合。