Matrix 计算变量组合的神经网络

我正在尝试创建一个学习矩阵乘法规则的神经网络。我试着直接做这件事，通过有一个由两个矩阵（2x2）和它们对应的乘积（2x2）组成的训练集。我试图通过向网络提供这些训练数据来训练网络，看看它是否能够自己掌握乘法规则。这似乎不起作用

---

我现在想让它学习矩阵乘法，让网络专注于乘法所需的操作序列。例如，如果我们有两个矩阵A和B，它会告诉我C11将是A11*B11+A12*B21等。这将是我期望从网络中得到的第一个输出（4个）。我一直在为神经网络使用python scikit。我很难正确地理解这个问题。我可视化它的方式是，我有8个输入（2个2x2矩阵）和4个输出（乘以矩阵）作为我的训练数据。我想使用这些数据来学习一系列操作，而不事先告诉它操作，因为这会破坏网络的用途。我应该如何安排我的训练数据和网络来找出乘法规则？

一开始几乎是不可能的，因为ANN将试图发现参数的解向量，这将取决于数据。这就像回归，例如，对于一个数据集，解向量（回归系数）为b0=2.3，b1=24.8——然而，在这种情况下，数值参数与矩阵相乘的顺序步骤有什么关系？为此开发ANN的一种方法是将ANN视为函数（方程）。我会看看Wolfram的Alpha，看看他们的系统是否能做到这一点。你能用scikit learn发布你的代码吗？你的输出层使用线性激活函数了吗？@Khaled[这里是（）我在cross validated上发表的一篇文章没有太大成功。代码就在那里。它没有给我任何有用的东西，所以我没有发布它。我试图找出一种新的方法，而不是专注于代码。@wrtsvkrfm不同的训练集会更好吗？我对ANN不是很有经验，但我甚至会认为用一个小网络学习两个实数可能有点困难。你会解基本的1x1矩阵乘法吗？