Операция OR-Lambda-Layer с Keras

Я создаю другой проект с Keras, это разработка нейронной сети, основанной на предопределенных знаниях (описываемых как правила IF-THEN), которая называется Neurules. Я создал модуль Python для обучения каждого из моих нейронов / нейронов с заданным логическим выражением IF-THEN, и, в конце концов, мне нужно использовать Keras, чтобы создать его как сеть и повторно использовать эту модель.

Я уже тестировал на одном небольшом примере, и он работал, все добавлялось вручную, веса и смещения. Теперь я обновил свой скрипт, и он дает мне JSON со всеми весами, которые нужно добавить в Keras (работает до сих пор).

Вот моя проблема, у меня есть один первый слой с 20 нейронами (нейроны, созданные из IF-THEN), но у меня есть только 2 возможных выхода, некоторые из нейронов / нейронов дают мне output[0], некоторые из них output[1], я хочу добавить слой промежуточный, представляющий соединения ИЛИ.

Например.:

Слой 1: НЕЙРОН1, НЕЙРОН2, НЕЙРОН3

Output[0] образован: NEURON1 or NEURON2

Output[1] образован: NEURON2 or NEURON3

В моем первом небольшом примере я создал и обучил нейрон ИЛИ с помощью предварительно разработанного модуля Python, а затем добавил с ним второй слой. Затем я вручную подключил записи к Neurules OR (поставив веса в правильные соединения и поставив 0, когда они не должны влиять на OR). Теперь у меня есть что-то большее, и я автоматизирую весь процесс.

Визуализация простой сети: Буфер просто пересылает значение, ИЛИ выполняет операцию ИЛИ с входами.

Визуализация слоев

Как я могу создать слой лямбда в Keras, который принимает некоторые выходы, обрабатывает логическое ИЛИ и подключается к одному из выходов?

Я нашел функцию Backend: tf.keras.backend.any, но я не могу его использовать до сих пор, как мне его использовать? Возможно, в слое лямбда, но как?

Мне нужно подключиться, например

(NEURON1 or NEURON4 or NEURON5) -> output[0]

(NEURON3 or NEURON6 or NEURON7) -> output[1]

В моей системе -1 представляет ложь, а 1 - истину. До сих пор я сохранял, какие нейроны используют каждый из двух выходов в массиве в формате JSON, например:

"secondLayerDescription": [
    [0, 1, 4, 5, 6, 8, 12, 13, 14, 16, 18], 
    [2, 3, 7, 9, 10, 11, 15, 17, 19]
]

Я надеюсь, что кто-то может мне помочь :)

Обновлено: Давая обновление, я нашел решение через несколько дней, я разбиваю свой слой на 2 слоя и использую их с лямбда-слоями следующим образом:

def logical_or_layer(x):
    """Processing an OR operation"""
    import keras.backend
    #normalized to 0,1 
    aux_array = keras.backend.sign(x)
    aux_array = keras.backend.relu(aux_array)
    # OR operation
    aux_array = keras.backend.any(aux_array)
    # casting back the True/False to 1,0
    aux_array = keras.backend.cast(aux_array, dtype='float32')

    return aux_array


#this is the input tensor
inputs = Input(shape=(inputSize,))

#this is the Neurule layer
x = Dense(neurulesQt, activation='softsign')(inputs)

#after each neuron layer, the outputs need to be put into SIGNUM (-1 or 1)
x = Lambda(signumTransform, output_shape=lambda x:x, name='signumAfterNeurules')(x)

#separating into 2 (2 possible outputs)
layer_split0 = Lambda( lambda x: x[:, :end_output0], output_shape=(11, ), name='layer_split0')(x)
layer_split1 = Lambda( lambda x: x[:, start_output1:end_output1], output_shape=(9,), name='layer_split1')(x)
#this is the OR layer
y_0 = Lambda(logical_or_layer, output_shape=(1,), name='or0')(layer_split0)
y_1 = Lambda(logical_or_layer, output_shape=(1,), name='or1')(layer_split1)

Но у меня все еще есть проблемы, я не могу их объединить, я поднял новый вопрос, основанный на этой новой теме.