1. Liczba warstw i ich rozmiar. Ograniczeniem, co do liczby warstw, może być maksymalna liczba połączeń realizowanych w sieci.<br>2. Rozmiar zbioru danych wejściowych. Ograniczeniem liczby klas i powtórzeń rozpoznawanych sygnałów jest jedynie wielkość sieci, która potrafi zapewnić ekstrakcję ich cech charakterystycznych.<br>3. Wartość błędu granicznego diagnozy (rozpoznawania).<br>4. Numer iteracji, po której można przyspieszyć uczenie.<br>5. Współczynniki funkcji wejściowej dla każdej z warstw.<br>6. Wartości współczynników uczenia &lt;gap&gt;.<br>Ważną cechą programu symulacyjnego powinna być możliwość modyfikacji wszystkich parametrów sterujących w czasie uczenia sieci. Natychmiastowa korekta tych wielkości może sprzyjać bieżącemu ich dopasowaniu do "postępów" w nauce sieci ANN. Program symulacyjny ANN