问需要帮助设置神经网络参数(学习速率，动量，隐藏层的大小.)

EN

我有一个标准的前馈反向传播神经网络，我想训练能够识别一个蓝色的球。我有30张照片，20张没有球，10张没有，我的第一个问题是，这是否足够，我假设它比少一些更好，但最好知道是否有最低限度的种类。每幅图像的宽度为96像素，宽128像素，因此RGB的总倍数为12 288像素，这在我的输入层提供了36,864个感知器。因为我只需要知道一个图像是否包含蓝色的球，所以我有一个输出感知器。网络中的所有感知器都使用逻辑激活功能。在我的隐藏层中，我尝试了很多不同数量的隐藏单元，从100到3000不等，但它们似乎都没有工作，网络要么说MSE足够低，可以在1次迭代后停止，要么网络永远无法达到所需的MSE，并且由于训练迭代限制而停止，并且不管输入是什么，输出总是相同的值。我尝试了一系列的学习速度和动量都在0.1以下，学习的动力总是低于学习速度，我现在的目标是0.0005。我以前用神经网络做过物体检测，但是没有一个输入层，我只是有一个有12288个感知器的隐藏层(每个像素一个)，每个感知器有24个输入(每色8位，3*8 = 24位)，接收图像中的二值颜色信息，然后我有一个输出感知器，所有感知器都使用逻辑激活函数，并且工作正常。我想尝试使用输入层，但到目前为止，我唯一能学到的就是异或问题。

所以我的问题是：：

什么是我的问题的最佳网络拓扑？(有多少层，隐藏单位.)

我应该使用的学习速率和动量值有范围吗？

30个训练样本够了吗？

另外，当我的神经网络创建的时候，权值被初始化为-0.3 - 0.3，这是一个附带的注意事项。