我正在尝试使用神经网络进行盲源分离。我尝试使用具有不同正则化/丢失的自动编码器，但似乎没有任何效果。
现在，我决定根据重建的输出实现自定义丢失功能。我可以使用一对，例如输出向量之间的相关性（应该最小化），或输出向量的非高斯性（应该最大化）。
但是，我不知道如何在keras中做到这一点，或者甚至可能。基本上，这就是我想要做的事情：
将线性混合信号输入网络输入
有一些隐藏层，可以根据网络的各种权重重新组合信号
每个训练步骤，重建我的网络输出，并计算重建输出的统计数据，然后将这些添加到我的成本函数中，例如，如果我的所有重建输出高度相关，我会惩罚该重量组合，希望将来能够产生一系列重量相关的权重（从而解决盲源分离问题）。
有没有人知道如何在keras中这样做？我不介意搬到Tensorflow，但更愿意留在Keras。
由于