问神经网络中的最小神经元

EN

我使用一种蛮力机制来确定最优的隐层/神经元，方法是将层/神经元增加1到一些最大值，然后从性能最好的模型中选择最优计数。我在这里的问题是关于这个“蛮力”过程的隐神经元计数的起点。有什么好的机制来决定从哪个神经元计数开始，这样我就不会错过一些最小的最优计数？

例如：

假设我有8个不线性相关的输入。如果我以(输入数: 8) +1(正如一些帖子所建议的那样)作为增加层内神经元数量的起点，我可能会错过最佳神经元数，因为它可能少于9个神经元吗？

我使用的蛮力机制设置了每个隐层的最大神经元数，所以如果我有8个输入，从每个隐层9到30个神经元开始，我将在第一个隐藏层中有9个神经元，在开始测试第二个隐藏层时，它会增加到30个，然后回滚到9个：

周期1隐层=1隐神经元=9.隐藏层=1个隐藏神经元=30个

周期2隐层=2隐神经元=9.隐层=2个隐藏神经元=30个

周期3隐层=3隐神经元=9.隐层=3个隐藏神经元=30个

我承认这是没有效率的，因为每一层可能不需要相同数量的神经元，但这篇文章的目的是通过尽量减少需要测试以确定“最优”计数的层/神经元组合的数量来改进这一机制。

编辑：

因此，为了澄清这个问题，我们需要确定一个好的最低起点是什么，如果使用上面概述的蛮力机制，而不管数据域(因此输入+1例)。