有什么方法可以从模型中返回一个函数？

Question

我正在处理一个设置如下的问题：

• 我们给出了一个离散距离矩阵D，它表示集合{x_1，…，x_100}中对象之间的成对距离，即D_ij=x_i，x_j

• 我使用多维标度将这个距离矩阵嵌入到二维欧几里德空间，这样就得到了一个[100 x 2]矩阵

• 我对~10000个离散距离矩阵重复这一步骤[全部用于100个对象]

• 现在，我想训练一个神经网络来学习函数f:R^2-->；R、 它将这些[100 x 2]多维缩放矩阵中的一个作为输入，并输出一个[100 x 1]数组

• 损失函数应该是函数L:D x R^3-->；R、 其中，它将所使用的MDS矩阵的相应距离矩阵D作为输入，以及将[100 x 2]MDS矩阵阵列与神经网络输出的[100 x 1]函数（即[100 x 3]阵列）串联。我们把这个矩阵称为M

• 具体损失将是差值的平方和（Dïij-距离（Mïi，Mïj））**2。但是，我使用的距离函数不是欧几里德距离函数，而是神经网络创建的流形上的距离。我已经为这些距离写了一个近似算法，但是

• 我需要传递流形嵌入函数（即神经网络返回的函数）作为输入。因此，如果不确切地知道神经网络如何作用于R^2到R中的一个点，我就无法计算损失函数

有人知道如何提取R^2-->；从神经网络中提取R函数，然后在这个损失函数上训练网络？我也愿意使用Keras以外的框架

抱歉，这太复杂了