神经网络算法复杂性分析

一般认为增加隐藏层数可以减少网络误差（有些文献也认为不一定能有效减少）并且可以提高准确率，但也会使网络变得更加复杂，从而增加网络的训练时间

通过这些过程，神经网络可以执行非常复杂的非线性分类。

神经网络的结构由输入层、几个隐藏的中间层和输出层组成。

BP神经网络算法理论上可以逼近任何函数，基本结构由非线性变化单元组成，具有很强的非线性映射能力。

万能逼近定理(Horniketal.,1989;Cybenko,1989)表明：前馈神经网络网络，只需单个隐藏层和有限数量的神经单元，就可以以任意精度拟合任意复杂度的函数。