1.1施工方法
首先用三種方法確定隱層數，求出最小值和最大值。然後從最小值開始逐壹驗證模型的預測誤差，直到達到最大值。最後，選擇具有最小模型誤差的隱藏層數。該方法適用於雙隱層網絡。
1.2刪除法
單隱層網絡的非線性映射能力弱。對於同壹個問題，為了達到預定的映射關系，有更多的隱層節點來增加網絡的可調參數，所以刪除法是適用的。
1.3黃金分割法
算法的主要思想是:首先在[a，b]中尋找理想的隱層節點數，充分保證了網絡的逼近能力和泛化能力。為了滿足高精度逼近的要求，根據黃金分割原理對搜索區間進行擴展，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，可以得到逼近能力更強的隱層節點數，在實際應用中可以根據需要選擇其中之壹。
在BP算法中，每訓練壹次就調整壹次權值和閾值。
分步實驗得到的隱層節點數是先設定壹個初始值，然後在這個值的基礎上逐漸增加。比較各個網絡的預測性能，選擇性能最好的對應節點數作為隱層神經元的個數。