針對神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)的設(shè)定依賴于工作者的經(jīng)驗、自適應能力較差等問題，提出一種基于半監(jiān)督學習（SSL）算法的動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計方法。該方法采用半監(jiān)督學習方法利用已標記樣例和無標記樣例對神經(jīng)網(wǎng)絡(luò)進行訓練，得到一個性能較為完善的初始網(wǎng)絡(luò)結(jié)構(gòu)，之后采用全局敏感度分析法（GSA）對網(wǎng)絡(luò)隱層神經(jīng)元輸出權(quán)值進行分析，判斷隱層神經(jīng)元對網(wǎng)絡(luò)輸出的影響程度，即其敏感度值大小，適時地刪減敏感度值很小的神經(jīng)元或增加敏感度值較大的神經(jīng)元，實現(xiàn)動態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化設(shè)計，并給出了網(wǎng)絡(luò)結(jié)構(gòu)變化過程中收斂性的證明。理論分析和Matlab仿真實驗表明，基于SSL算法的神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元會隨訓練時間而改變，實現(xiàn)了網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)設(shè)計。在液壓厚度自動控制（AGC）系統(tǒng)應用中，大約在160 s時系統(tǒng)輸出達到穩(wěn)定，輸出誤差大約為0.03 mm，與監(jiān)督學習（SL）方法和無監(jiān)督學習（USL）方法相比，輸出誤差分別減小了0.03 mm和0.02 mm，這表明基于SSL算法的動態(tài)網(wǎng)絡(luò)在實際應用中能有效提高系統(tǒng)輸出的準確性。