如何在训练后计算神经网络中的权重？

Question

我有一个带有1个隐藏层和20个神经元的神经网络。我的训练集有8个功能。

因此，我期待输入权重矩阵为20x8，而在net.IW，我得到一个20x10的矩阵。关于为什么会这样，我有点困惑。

我没有设置任何延误。我也无法弄清楚我需要如何从隐藏层到输出层获得1个神经元的权重（期望20x1向量）。

编辑：

1）它并不总是给'N'特征+ 2额外的重量。在另一个问题中，我正在训练一个不同的神经网络，它在唯一隐藏层上有10个输入特征和25个神经元。因此，虽然我应该期望输入权重矩阵（从输入层到隐藏层的权重）是25x10的矩阵，但我得到一个25x16的矩阵。请参阅page的底部以查看此内容

  

“（输入）权重矩阵的行数与其所在层的大小一样多   to（net.layers {i} .size）。它拥有与产品一样多的列   输入大小与权重相关的延迟数量：

     

net.inputs {j} .size * length（net.inputWeights {i，j} .delays）“

我的长度（net.inputWeights {i，j} .delays）是1，所以我不知道为什么我得到的值超过了输入功能的数量。

2）我在输入层有8个神经元（我有8个输入功能）。

3）训练网络的代码。

net = newfit(trainX', trainY', 20 );
net.performFcn = 'mae';
net = trainlm(net, trainX', trainY');