我的建议不是使用人工神经网络，而是使用更简单的回归算法。主要原因是人工神经网络需要很长时间来训练，并且在使用大量数据时工作得更好。它们还需要大量参数调整方面的专业知识才能很好地应用。既然你说你没有很多数据，也没有很多使用它们的经验，我认为你最好先应用其他东西。如果其他技术根本不起作用，那么您可能会考虑使用 ANN，但同样，它们往往需要大量数据。

如果你尝试过普通的最小二乘回归，发现效果不好，我的下一个选择是分类回归树。这些模型可以用少量数据做出好的决策，并且不需要大量的时间来训练。它们可以处理实值输出，例如树的高度和宽度。Weka 的REPTree可能是一个不错的起点。

如果 Trees 不起作用，我的下一个建议是尝试使用支持向量机进行回归。SciKitLearn 的SVR是一个不错的选择。当数据有限时，SVR 有时会非常有效，因为它们对如何处理似乎普遍适用的数据贫乏区域做出了假设。在这些区域进行估计时，SVM 也可以报告低置信度。当使用少量数据时，它们的训练速度也相当快，并且可以从数据中学习非线性函数。

如果你真的想使用 ANN，我会从一个简单的Multi-layer perceptron开始。该模型几乎没有可以使用的参数，并且可能很适合您的回归。然而，它可能会在数据较少的地区做出奇怪的决定。

希望这可以帮助！