Wolfram mathematica 神经网络参数矩阵

我试图理解用Mathematica程序执行的神经网络结果。 输入代码为：

n0 = InitializeFeedForwardNet[trainingI, trainingO, {3}, 
RandomInitialization -> LinearParameters];
{net0, rec0} = 
NeuralFit[n0, trainingI, trainingO, validationI, validationO, 
100, Separable -> False];

非线性激活函数是标准的sigmoid函数，例如，我只使用了3个神经元和一个隐藏层。迭代次数为100次。 我有4个输入参数和1个输出

在计算结束时，我得到了带有一些参数的结果和具有以下形式的sigmod：

 {1.29824 + 0.0201608/(
 1 + E^(41.5202 + 8.53912 a - 19.4146 b - 1.00377 c - 67.2129 d)) - 
 0.408969/(
 1 + E^(8.99431 + 0.410461 a - 3.33504 b - 10.315 c + 1.35067 d)) - 
 0.914128/(
 1 + E^(0.950869 + 4.7525 a - 5.38699 b - 8.17521 c + 1.95281 d))}

我能否得出结论，隐藏层的矩阵权重为

{{-4.7525, -0.410461, -8.53912}, {5.38699, 3.33504, 
 19.4146}, {8.17521, 10.315, 1.00377}, {-1.95281, -1.35067, 
 67.2129}, {-0.950869, -8.99431, -41.5202}}

偏置矢量为

{{-0.914128}, {-0.408969}, {0.0201608}, {1.29824}}

我没有输出层？

---

非常感谢，如果我的问题很傻，我很抱歉

它不像你的最后一个隐藏层被视为输出？为什么不使用LogSigmoid呢？你的代码不清楚，不可读，我经常做神经网络，但只使用原始编码和我自己的类和库。