11 我很想知道是否存在任何神经网络，可以解决（使用精度≥80％）任何非平凡问题，该问题使用的节点很少（其中20个节点不是硬限制）。我想对神经网络的大小发展一种直觉。 neural-networks — 吉列尔莫·莫斯（Guillermo Mosse） source 通用逼近定理：只要隐层中有足够数量的节点，具有一个隐层的神经网络就可以近似任何“合理”函数。 — nbro 2 我认为要回答您的问题并不容易。“非平凡的问题”是什么意思？ — nbro 我想要几个节点，即使在隐藏层中也是如此。 — 吉列尔莫·莫斯 @nbro在这种情况下我的“不平凡”的感觉是难以解决或无法解决的。 — 周公克
13 即使不可能正确地回答这个问题，因为非平凡的定义不够明确（也许作者以后会编辑这个问题，以更好地说明问题），我还是借此机会指出这篇对我来说很有趣的论文 最小的神经网络，以了解伊辛的重要性 假设您对Ising模型有一个大致的了解，我认为从数据驱动的角度识别临界温度的问题可以认为是不重要的，并且本文显示了作者如何通过从如本文所述，从2017年开始，物质的机器学习阶段将达到 100个隐藏的神经元，只有2个隐藏的神经元 只是我的美分： 减少神经元，同时保持良好的性能，应该在神经处理的可解释性方面有所帮助，这是众所周知的晦涩难懂，并且其复杂性会随着神经元数量的增加而呈指数级增长 — 尼古拉·贝尼尼（Nicola Bernini） source 3 我只是想要社区本身感兴趣的示例。我认为定义不平凡实际上是不平凡的。对？ — Guillermo Mosse 1 @GuillermoMosse不，定义非平凡是非常琐碎的。该定义或多或少是任意的，具体取决于哪种情况最合适。我敢肯定，一个非常简单的NN可以学会分辨给定的数字是否是非平凡的平方根... — 森林