Matlab 神经网络模拟到隐藏层答案

【问题标题】：Matlab neural network simulate up to hidden layerMatlab 神经网络模拟到隐藏层
【发布时间】：2012-03-21 11:28:47
【问题描述】：

我在 Matlab 中训练了一个 3 层（输入、隐藏和输出）前馈神经网络。训练后，我想用输入测试向量模拟训练好的网络，并获得隐藏层（不是最终输出层）的神经元的响应。我该怎么做？

另外，在训练一个神经网络之后，是否有可能“切掉”最终的输出层，让当前的隐藏层作为新的输出层（以备将来使用）？

额外信息：我正在构建一个autoencoder network。

【问题讨论】：

我不太清楚你在问什么。原则上，你没有理由不能切断输出层并查看隐藏单元的输出。计算只是应用了传递函数的链式矩阵乘法，而您所做的只是删除一个矩阵因子。您是在问 Matlab NN 工具箱是否以您可以访问的方式公开了它？
是的，我总是可以从所需层中获取训练好的权重并手动应用计算，但这有点乏味。我想知道的是 Matlab NN 工具箱是否有内置的现成功能可以实现这一点（剪掉神经网络的最后一层，通过层（逐层）跟踪网络模拟的响应等。跨度>
我已经有一段时间没有使用它了，所以我不能肯定地说，但我不记得有什么东西会“自动”做到这一点。我知道网络结构应该有足够的信息来自己构建它，但是就像你说的那样，这很乏味。

【解决方案1】：

除了使用输入和层权重和偏差之外，您还可以添加来自所需层的输出连接（在训练网络后）。我发现它可能且简单但我没有检查它的正确性。

【讨论】：

【解决方案2】：

经过训练的网络的训练权重在 net.LW 属性中可用。您可以使用这些权重来获得隐藏层的输出

来自 Matlab 文档 nnproperty.net_LW

神经网络 LW 属性。

NET.LW

这个属性定义了权重的权重矩阵从其他层。它始终是一个 Nl x Nl 元胞数组，其中 Nl 是网络层数 (net.numLayers)。

从第 j 层到第 i 层的权重矩阵层（或空矩阵 []）位于 net.LW{i,j} 如果 net.layerConnect(i,j) 为 1（或 0）。

权重矩阵的行数与其所在层的大小一样多 (net.layers{i}.size)。它的列数与大小的乘积一样多它来自的层的延迟数与重量：

  net.layers{j}.size * length(net.layerWeights{i,j}.delays)

【讨论】：