Neural network 如何从人工神经网络中导出模型方程？

我使用了神经网络软件来预测连续数据。显然，预测结果优于回归分析结果。现在，我想从通过软件对连续数据进行训练获得的训练权重中推导出一个模型表达式，正如许多研究人员在如何解释训练权重和偏差以推导模型方程时所建议的那样，我试图从类似的线推导出一个模型方程。

---

在推导出这个方程后，我发现这个方程无法复制神经网络软件给出的相同结果。所以我正在探索推导方程的新方法。我想知道我哪里出了问题，如果有人能给我提供导出一个的步骤，那将是很有帮助的。

我以前读过关于你所说的内容，但有一些不同之处。这可能对你有用。如果我记得清楚的话，这叫做“知识提取”，它是一种从黑盒子中提取知识的方法，神经网络就是这样。粗略地说，它包括训练一个更简单、更容易解释的模型，但保留了原始神经网络的所有预测能力。我是凭记忆说的，所以我很抱歉没有细节。谷歌上的搜索将提供准确的参考资料

---

希望能有所帮助。

如果你能提供一些关于你的神经网络结构的细节，那会很有帮助。你能提供一些关于如何推导方程的参考吗？@shirowww我知道获得表达式的唯一方法是手工。假设这是一个小的神经网络，如果你知道权重，那么你可以从单个进动子的激活函数y=fZW+b开始，其中Z是输入向量，W是权重向量，b是偏差，f是进动子的函数，y是它的输出。根据您的架构，您可以将其应用于网络的判别函数。我的神经网络结构是3-2-1拓扑，这里我将给出有关我获得的权重的信息：高斯函数0-4=0.726；1-4=3.58;2-4=1.48;3-4 =0.024;0-5=4.62;1-5=-2.46; 2-5=-0.99;3-5=2.58;4-7=-5.92;5-7=-4.708;6-7=2.65 0,1,2是我的输入节点，4,5是我的输出节点，7是输出，其中3,6是偏差。我试图通过参考：Sarat Kumar Das，Prabir Kumar Basudhar推导出方程式。采用人工神经网络的粘土中桩的不排水横向承载力。