Teoreemidest on näha, et esimene samm on närvivõrgu õige arhitektuuri valik Kui probleemi lahendamisel kasutatakse otsesuunatud (peatükk 1.3.1) või tagasisidestatud (peatükk 1.3.2) närvivõrk, siis probleem seisneb peidetud kihi neuronite arvu valikus. Üldjuhul, kui neuroneid või peidetud neuronite kihte on võrgus liiga vähe, siis: · Võrgu õpetamisalgoritm ei koondu ja võrk töötab ebakorrektselt · Võrk ei reageeri aproksimeeritava funktsiooni järskvõnkumistele. Juhul, kui neuroneid või kihte võrgus on liiga palju, siis: · Võrgu töökiirus võib olla väga madal ning vaja on väga suurt mälu mahtu; · Võib tekkida nii nimetatud üleõppimise efekt: väljundvektor hakkab kajastama mitteolulisi detaile sõltuvuses y (x) , näiteks, müra ja ebatäpsed andmed; · võrgu käitumine võib muutuda ebastabiilseks: väljund hakkab väga kõvasti ja
Teoreemidest on näha, et esimene samm on närvivõrgu õige arhitektuuri valik Kui probleemi lahendamisel kasutatakse otsesuunatud (peatükk 1.3.1) või tagasisidestatud (peatükk 1.3.2) närvivõrk, siis probleem seisneb peidetud kihi neuronite arvu valikus. Üldjuhul, kui neuroneid või peidetud neuronite kihte on võrgus liiga vähe, siis: · Võrgu õpetamisalgoritm ei koondu ja võrk töötab ebakorrektselt · Võrk ei reageeri aproksimeeritava funktsiooni järskvõnkumistele. Juhul, kui neuroneid või kihte võrgus on liiga palju, siis: · Võrgu töökiirus võib olla väga madal ning vaja on väga suurt mälu mahtu; · Võib tekkida nii nimetatud üleõppimise efekt: väljundvektor hakkab kajastama mitteolulisi detaile sõltuvuses y (x) , näiteks, müra ja ebatäpsed andmed; · võrgu käitumine võib muutuda ebastabiilseks: väljund hakkab väga kõvasti ja
annaabi.ee 
