1、神經網路演算法隱含層的選取 1.1 構造法 首先運用三種確定隱含層層數的方法得到三個隱含層層數，找到最小值和最大值，然後從最小值開始逐個驗證模型預測誤差，直到達到最大值。

最後選取模型誤差最小的那個隱含層層數。該方法適用於雙隱含層網路。1.2 刪除法 單隱含層網路非線性對映能力較弱，相同問題，為達到預定對映關係，隱層節點要多一些，以增加網路的可調引數，故適合運用刪除法。1.3黃金分割法 演算法的主要思想:首先在[a,b]內尋找理想的隱含層節點數，這樣就充分保證了網路的逼近能力和泛化能力。為滿足高精度逼近的要求，再按照黃金分割原理拓展搜尋區間，即得到區間[b,c](其中b=0.619*(c-a)+a)，在區間[b,c]中搜索最優，則得到逼近能力更強的隱含層節點數，在實際應用根據要求，從中選取其一即可。BP演算法中,權值和閾值是每訓練一次，調整一次。逐步試驗得到隱層節點數就是先設定一個初始值，然後在這個值的基礎上逐漸增加，比較每次網路的預測效能，選擇效能最好的對應的節點數作為隱含層神經元節點數。