آرمان بلالی مقدم - دانشجوی مقطع دکتری دانشگاه شهید باهنر کرمان، دانشکده علوم کامپیوتر و ریاضی، علوم کامپیوتر
امیر سیدعلی خانی - دانشجوی مقطع دکتری دانشگاه شیراز، دانشکده اقتصاد، مدیریت و علوم اجتماعی، مدیریت

معماری شبکه های عصبی همواره یکی از نکات مورد بحث در طراحی و استفاده از شبکه های عصبی در کاربردهای مختلف بوده است، این سوال کهبرای یک کاربرد خاص، چه نوع معماری بهتر می تواند باشد، چالش های متعددی را با خود به همراه دارد. برخی ویژگی ها مثل تعداد گره های لایه ی اول و آخر،بر اساس نوع مسئله قابل تنظیم است و به همراه برخی ویژگی های دیگر همچون تعداد لایه های پنهان شبکه، تعداد گره های هرکدام از این لایه ها، تابع فعالسازی و تنظیم مقدار نرخ یادگیری از مهم ترین ویژگی های مرتبط با معماری شبکه عصبی به شمار می روند که می توانند تاثیر بسزایی در توان شبکه و درنتیجهحل مسئله ی مورد نظر داشته باشد. در این مقاله ویژگی "تعداد لایه های پنهان شبکه" مورد بررسی قرار گرفته ا ست و آزمایشهای متعددی با تغییر اینپارامتر صورت گرفته است و تلاش شده است تاثیر تغییر تعداد لایه های پنهان شبکه های عصبی بر روی توان شبکه در حل مسئله مورد تحلیل قرار بگیرد.

شبکه های عصبی، لایه های پنهان، معماری شبکه عصبی، عملکرد شبکه عصبی