哪些权重将用于预测未来的反应？

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日浓度，格式为(10x24)，10 =days，每天24个值，然后通过使用将其转换为(1,240)的行向量

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 个隐藏层神经元，1 个输出层，输入-隐藏层和隐藏-输出层的 (tanh tanh) 传递函数，学习率为 0.05，1= 偏差和迭代次数为 500。我得到训练有素的网络和跟踪是绝对的。

哪些层权重将用于预测未来响应（即输入隐藏层或隐藏输出层），因为它们的维度是

隐藏层的输入= inputweights(input,hidden)= 3 x 5 矩阵 隐藏到输出层 = outputwhts(output,hidden)= 1x5 行向量。

我想根据我的输入数据权重预测 24 值预测和 168 值预测。

Answer 1

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

现在，听起来好像您想使用一个在大小为 24 的示例上训练的网络来预测大小为 168 的示例，这就是您想知道要保留哪一组权重的原因。

如果是这样（有点不清楚），那么坏消息是，一般来说，如果不完全重新训练，您就无法更改网络输入或输出的大小。

我的建议是计算 168 个值的示例与每个 24 个值的示例相似，并根据这些示例训练一个网络。