Question

我正在研究时间序列数据预测。

输入信号是空气中尘埃粒子的每日浓度，格式为（10x24），10 =天，每天24个值，然后使用

转换为（1,240）行矢量

input = imresize(dust, [1, 10*24]); % converts matrix into vector

为了训练我的网络，我制作了模型（3：5：1）（tanh，tanh）（0.05）（1）（500），

其中3 =输入，5隐藏层神经元，1输出层，（tanh tanh）输入隐藏层和隐藏输出层的传递函数，学习率为0.05,1 =偏差和迭代为500. I得到训练有素的网络和跟踪是绝对的。

在预测未来响应时使用哪些层权重（即输入隐藏层或隐藏输出层），因为它们的尺寸为

输入到隐藏层=输入重量（输入，隐藏）= 3 x 5矩阵隐藏到输出层= outputwhts（输出，隐藏）= 1x5行向量。

我想根据输入数据权重预测24值预测和168值预测。

Answer 1

输入隐藏和隐藏输出权重都参与预测。神经网络的预测总是依赖于网络中的所有权重。

现在，听起来好像您想要使用经过大小为例24训练的网络来预测大小为168的示例，这就是您想要知道要保留哪组权重的原因。

如果是这种情况（有点不清楚），那么坏消息是，一般情况下，如果不对网络的输入或输出进行完全重新训练，就无法改变它的大小。

我的建议是计算168值示例与每个24值示例类似，并在这些示例上训练网络。