我正在尝试建立一个具有非常规架构的神经网络，并且无法弄清楚如何。通常我们有这样的连接，在哪里$X=$ 输入， $H=$ 隐藏层， $Y=$ 输出层：

$X_t \rightarrow H_t \rightarrow Y_t$

和

$H_t \rightarrow H_{t+1}$

上面构建了正常的 Tensorflow 或 Keras 节点，我们最终得到连接每个组件的权重矩阵，即 $W_{xh}, W_{hh}, W_{hy}$.

我还想介绍一个连接：

$Y_t \rightarrow H_{t+1}$，由一个新的权重矩阵定义 $W_{yh}$.

我查看了 Tensorflow 和 Keras 的实现，并且有一个self.kernel（$W_{xh}$) 和self.recurrent_kernel($W_{hh}$)，其中第二个是根据前一个隐藏节点的输出定义的prev_output = states[0]，定义在这里。有没有人知道如何在后续步骤中访问输出层的输出？是states[1]吗？如何states定义，在哪里记录？

感谢您提供的任何见解！

编辑：在有人问是之前，我认识到这种连接并不是绝对必要的。我试图了解通过网络节点的信息流。