Matlab神经网络模拟到隐藏层

Question

我在Matlab中训练了一个3层（输入，隐藏和输出）前馈神经网络。训练之后，我想用输入测试向量模拟训练好的网络并获得隐藏层（不最终输出层）的神经元的响应。我怎么能这样做呢？

此外，在训练神经网络之后，是否可以“切掉”最终输出层并将当前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autoencoder network。

Answer 1

net.LW属性中提供了经过训练的网络的训练权重。您可以使用这些权重来获取隐藏的图层输出

来自Matlab文档 nnproperty.net_LW

神经网络LW属性。

NET.LW

此属性定义去往图层的权重的权重矩阵   从其他层。它总是Nl×Nl单元阵列，其中Nl是   网络层数（net.numLayers）。

从第j个到第i层的重量的权重矩阵   layer（或null matrix []）位于net.LW {i，j} if   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）。它具有与大小的产品一样多的列   它来自于与之相关的延迟数量   重量：

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

Answer 2

除了使用输入和图层权重和偏差外，您还可以添加所需图层的输出连接（训练网络后）。我发现它很容易但我没有检查它的正确性。