MATLAB中提取双层隐藏层神经网络数学方程遇结果偏差求解决

核心错误点 #

• 重复应用激活函数：你的手动计算中，h3 = tansig(b3+W_H2TO*h2)已经是输出层的激活结果（对应网络的最终输出），但你额外执行了Output = tansig(h3)，相当于在输出层后多叠加了一层tansig，直接导致结果与net(input)不一致。
• 输入维度匹配问题：MATLAB神经网络要求输入为列向量，若x是行向量，矩阵乘法会出现维度不匹配或计算逻辑错误。

正确的手动计算步骤 #

1. 提取网络参数 #

% 提取各层偏置
b1 = net.b{1};  % 输入层→隐藏层1的偏置（6×1）
b2 = net.b{2};  % 隐藏层1→隐藏层2的偏置（4×1）
b3 = net.b{3};  % 隐藏层2→输出层的偏置（1×1）

% 提取各层权重
W_ITH = net.IW{1,1};    % 输入层→隐藏层1的权重（6×11）
W_H1TH2 = net.LW{2,1};  % 隐藏层1→隐藏层2的权重（4×6）
W_H2TO = net.LW{3,2};   % 隐藏层2→输出层的权重（1×4）

2. 确保输入为列向量 #

x = [0.613497 1 1 0.660657 0.675336 0.150442 0.343584 0.162069 0.655799 0.574284 9.83E-05]';

3. 计算网络输出 #

% 隐藏层1输出
h1 = tansig(W_ITH * x + b1);
% 隐藏层2输出
h2 = tansig(W_H1TH2 * h1 + b2);
% 输出层结果（无需额外激活）
Output = tansig(W_H2TO * h2 + b3);

此时计算出的Output应与net(x)的结果完全一致，可通过isequal(Output, net(x))直接验证。

通用数学方程 #

针对你的网络结构，输出的数学表达式如下：

给定输入列向量 $\boldsymbol{x} \in \mathbb{R}^{11 \times 1}$：

1. 隐藏层1净输入：$\boldsymbol{z_1} = W_{ITH} \boldsymbol{x} + \boldsymbol{b_1}$，其中 $W_{ITH} \in \mathbb{R}^{6 \times 11}$，$\boldsymbol{b_1} \in \mathbb{R}^{6 \times 1}$
2. 隐藏层1输出：$\boldsymbol{h_1} = \text{tansig}(\boldsymbol{z_1}) = \frac{2}{1+e^{-2\boldsymbol{z_1}}} - 1$
3. 隐藏层2净输入：$\boldsymbol{z_2} = W_{H1TH2} \boldsymbol{h_1} + \boldsymbol{b_2}$，其中 $W_{H1TH2} \in \mathbb{R}^{4 \times 6}$，$\boldsymbol{b_2} \in \mathbb{R}^{4 \times 1}$
4. 隐藏层2输出：$\boldsymbol{h_2} = \text{tansig}(\boldsymbol{z_2})$
5. 输出层净输入：$z_3 = W_{H2TO} \boldsymbol{h_2} + b_3$，其中 $W_{H2TO} \in \mathbb{R}^{1 \times 4}$，$b_3 \in \mathbb{R}^{1 \times 1}$
6. 最终输出：$y = \text{tansig}(z_3)$

内容的提问来源于stack exchange，提问作者Mahmoud