神經網路隱藏層在哪裡

『壹』 如何獲取matlab神經網路隱藏層的輸出

我這里給出一些思路給你，但是我不能保證一定行得通，因為我沒用過net=feedforwardnet;
這個函數，我一般都調用newff的。
首先，你要找到神經網路的表達式，你可以照《神經網路之家》中《提取神經網路數學表達式》這個文章（網路不讓發連接），找到它的數學表達式。
然後按照《提取神經網路數學表達式》里描述的，把每個 w 和b 對應起來，那就是最終的表達式了（這里建議你直接看原文，因為要貼圖什麼的，不方便，也不詳細）。

下面要注意的兩個可能會讓你出錯的原因。
（1）你得保證，數據沒有做歸一化， 2011a是需要用mapminmax自己做歸一化的，但高些版本的matlab神經網路工具箱，即使你不用mapminmax,它也會在網路中自動幫你做歸一化的。若果你用的版本較高，那你要注意是否被歸一化了。若果被歸一化了，那數據進入之前也要做歸一化。
（2）需要注意一點，《提取神經網路數學表達式》用的是newff，你用的是feedforwardnet，我不確定它們的傳遞函數是不是一樣，可以要通過struct(net)把訓練好的net轉為結構體，再到結構體里准確確定它是不是tansgi-purelin這種結構。好了，假設它是這種結構，那就跟newff是一樣的。那就沒問題了。
另外struct(net)後你也可以看到它有沒有做歸一化的，仔細研究研究下struct(net)後的net的參數，你會發現更多好玩的東西。
純手打的，希望能點個贊。

『貳』 神經網路中輸入層到隱藏層的W是怎麼來的

W是權重。開始的初始化權重是隨機產生的，之後的權重是在訓練中自動更新的。訓練更新的權重一般而言是看不到的，但也可以通過可視化權重的方式實現中間變數的觀察，不過這些權重有什麼含義目前並不十分清楚。

神經網路是模擬動物神經網路行為特徵，進行分布式並行信息處理的演算法數學模型。從x到h到y可以近似看作動物神經，權重則可以看作是神經的粗細程度，或者說是兩細胞之間聯結的緊密程度。神經網路通過調整內部大量的權重來實現調整內部節點之間相互連接的關系，從而達到模擬動物神經網路來處理信息的目的。

『叄』 matlab建立bp神經網路如何設置兩個隱含層呢

題主那個newff裡面的10看到沒？那個就是設置1個隱含層的神經元個數，要多個隱含層就把10改成[4,10,1]就是第一個隱含層有4個神經元，第二個隱含層10個神經元，最後一層輸出層1個神經元。然後你的{TF1 TF2}不用改。這樣應該能用了。

然後給你一個newff的各項參數使用的介紹：

『肆』 關於循環神經網路RNN,隱藏層是怎麼來的

RNN的隱藏層也可以叫循環核，簡單來說循環核循環的次數叫時間步，循環核的個數就是隱藏層層數。

循環核可以有兩個輸入（來自樣本的輸入x、來自上一時間步的激活值a）和兩個輸出（輸出至下一層的激活值h、輸出至本循環核下一時間步的激活值a），輸入和輸出的形式有很多變化，題主想了解可以上B站搜索「吳恩達 深度學習」其中第五課是專門對RNN及其拓展進行的講解，通俗易懂。

B站鏈接：網頁鏈接

『伍』 求教pytorch，深度神經網路中這段代碼的隱藏層是那段代碼

這個線性回歸程序沒有隱藏層是一個單層神經網路,隱藏層是在多層感知機中引入的,

並且一般要在隱藏層中使用ReLU函數作為激活函數,否則,雖然引入隱藏層,仍然等價於一個單層神經網路.

下面是一種激活函數ReLU(見圖),它只保留正數元素,負數元素清零.

『陸』 神經網路的隱層數，節點數設置。

我自己總結的：
1、神經網路演算法隱含層的選取
1.1 構造法
首先運用三種確定隱含層層數的方法得到三個隱含層層數，找到最小值和最大值，然後從最小值開始逐個驗證模型預測誤差，直到達到最大值。最後選取模型誤差最小的那個隱含層層數。該方法適用於雙隱含層網路。
1.2 刪除法
單隱含層網路非線性映射能力較弱，相同問題，為達到預定映射關系，隱層節點要多一些，以增加網路的可調參數，故適合運用刪除法。
1.3黃金分割法
演算法的主要思想：首先在[a,b]內尋找理想的隱含層節點數，這樣就充分保證了網路的逼近能力和泛化能力。為滿足高精度逼近的要求，再按照黃金分割原理拓展搜索區間，即得到區間[b,c]（其中b=0.619*（c-a）+a），在區間[b,c]中搜索最優，則得到逼近能力更強的隱含層節點數，在實際應用根據要求，從中選取其一即可。

『柒』 神經網路的隱含層節點數怎麼設置啊比如要設置18層隱含節點數！跪求，工作急用！

隱層一般是一層或兩層，很少會採用三層以上，至少隱層的節點數確定，一般有以下幾種方法：1、有經驗的人員根據以往的經驗湊試出節點個數。2、某些學術研究出固定的求節點方法，如2m+1個隱層節點，m為輸入個數。3、修剪法。剛開始建立足夠多的節點數，在訓練過程中，根據節點數的相關程度，刪除重復的節點。

『捌』 matlab BP神經網路出錯 newff參數 隱含層 怎麼確定

設[P,T]是訓練樣本，[X,Y]是測試樣本；
net=newrb(P,T,err_goal,spread); %建立網路
q=sim(net,p);
e=q-T;
plot(p,q); %畫訓練誤差曲線
q=sim(net,X);
e=q-Y;
plot(X,q); %畫測試誤差曲線
訓練前饋網路的第一步是建立網路對象。函數newff建立一個可訓練的前饋網路。這需要4個輸入參數。
第一個參數是一個Rx2的矩陣以定義R個輸入向量的最小值和最大值。
第二個參數是一個設定每層神經元個數的數組。
第三個參數是包含每層用到的傳遞函數名稱的細胞數組。
最後一個參數是用到的訓練函數的名稱。
舉個例子，下面命令將創建一個二層網路。它的輸入是兩個元素的向量，第一層有三個神經元(3)，第二層有一個神經元(1)。
第一層的傳遞函數是tan-sigmoid，輸出層的傳遞函數是linear。
輸入向量的第一個元素的范圍是-1到2[-1 2]，輸入向量的第二個元素的范圍是0到5[0 5]，訓練函數是traingd。
net=newff([-1 2; 0 5],[3,1],{'tansig','purelin'},'traingd');
這個命令建立了網路對象並且初始化了網路權重和偏置，因此網路就可以進行訓練了。
我們可能要多次重新初始化權重或者進行自定義的初始化。
下面就是初始化的詳細步驟。
在訓練前饋網路之前，權重和偏置必須被初始化。初始化權重和偏置的工作用命令init來實現。這個函數接收網路對象並初始化權重和偏置後返回網路對象。
下面就是網路如何初始化的：
net = init(net);
我們可以通過設定網路參數net.initFcn和net.layer{i}.initFcn這一技巧來初始化一個給定的網路。
net.initFcn用來決定整個網路的初始化函數。前饋網路的預設值為initlay，它允許每一層用單獨的初始化函數。
設定了net.initFcn ，那麼參數net.layer{i}.initFcn 也要設定用來決定每一層的初始化函數。
對前饋網路來說，有兩種不同的初始化方式經常被用到：initwb和initnw。initwb函數根據每一層自己的初始化參數(net.inputWeights{i,j}.initFcn)初始化權重矩陣和偏置。前饋網路的初始化權重通常設為rands，它使權重在-1到1之間隨機取值。這種方式經常用在轉換函數是線性函數時。initnw通常用於轉換函數是曲線函數。它根據Nguyen和Widrow[NgWi90]為層產生初始權重和偏置值，使得每層神經元的活動區域能大致平坦的分布在輸入空間。

『玖』 神經網路可以沒有隱含層嗎

神經網路可以沒有隱含層，而沒有隱含層的神經網路模型，實際上就是一個線性或非線性回歸模型。

『拾』 神經網路隱藏層是什麼

一個神經網路包括有多個神經元「層」，輸入層、隱藏層及輸出層。輸入層負責接收輸入及分發到隱藏層（因為用戶看不見這些層，所以見做隱藏層）。這些隱藏層負責所需的計算及輸出結果給輸出層，而用戶則可以看到最終結果。