Neural network 哪些权重将用于预测未来响应？

我正在做时间序列数据预测的工作

输入信号是空气中粉尘颗粒的日浓度，格式为（10x24），10=天，每天24个值，然后使用

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

其中3=输入，5个隐层神经元，1个输出层，（tanh-tanh）输入隐层和隐输出层的传递函数，学习率为0.05，1=偏差和迭代次数为500。我接受了网络训练，追踪是绝对的

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），因为它们的尺寸是

输入到隐藏层=输入权重（输入，隐藏）=3 x 5矩阵 隐藏到输出层=输出WHTS（输出，隐藏）=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。

预测中涉及输入隐藏权重和隐藏输出权重。神经网络的预测总是依赖于网络中的所有权重

现在，听起来好像你想用一个在24号样本上训练的网络来预测168号样本，这就是为什么你想知道保留哪一组权重

如果是这样的话（有点不清楚），那么坏消息是，一般来说，如果不完全重新训练网络，就不能改变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网络

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