如果经过训练，出现隐含层到输出层无连接，说明输入的数据和输出的数据之间无法进行求解，要更改输入和输出值。

例如：

a=rand(1,10);
train_x=[a;a+10;a+20];
for i = 1 : size(train_x,1)
train_y(i)=sum(train_x(i,:).^2);
end
% QNet_eval = fitnet([40,40]);

x = train_x'; y = train_y;

总代码：

rng(0)

a=rand(1,10);
train_x=[a;a+10;a+20];
for i = 1 : size(train_x,1)
train_y(i)=sum(train_x(i,:).^2);
end
% QNet_eval = fitnet([40,40]);

x = train_x'; y = train_y;

% 一个隐藏层，神经元数为5
hiddenLayerSize = [40,40];

% 训练函数为 trainlm
trainFcn = 'trainlm';

% 初始化网络
net = fitnet(hiddenLayerSize,trainFcn);

% 设置比例
% net.divideParam.trainRatio = 70/100;
% net.divideParam.valRatio = 15/100;
% net.divideParam.testRatio = 15/100;

% 训练网络
[net,tr] = train(net,x,y);

% 计算所有训练样本预测值
yp = sim(net,x);

% 计算总体均方误差
performance = perform(net,y,yp);

% 查看网络结构
view(net)

原问题：

最近，在学习神经网络计算，应用到fitnet函数，在调用fitnet函数拟合神经网络时候，通过view查看神经网络结构，发现从隐含层到输出层少了连接，想了解下这种情况是什么原因，应该怎么修改？

正常的函数拟合神经网络，应该是从input到output全过程连接的，比如这样：

代码如下：

load S1.mat
%S1里有sample数据，数据格式 80*25，取前11列数据

P_len = 10;

% 转置
% x = X'; y = Y';
x = sample(:, 1:P_len)'; y = sample(:, P_len+1)';

% 一个隐藏层，神经元数为5
hiddenLayerSize = 5;

% 训练函数为 trainlm
trainFcn = 'trainlm';

% 初始化网络
net = fitnet(hiddenLayerSize,trainFcn);

% 设置比例
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

% 训练网络
[net,tr] = train(net,x,y);

% 计算所有训练样本预测值
yp = sim(net,x);

% 计算总体均方误差
performance = perform(net,y,yp);

% 查看网络结构
view(net)

参考资料：

https://blog.csdn.net/qq_43575267/article/details/95337353?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase