R - Interpretação de plotagem de redes neurais

Sei que há uma pergunta semelhante no stats.SE, mas não encontrei uma que atenda ao meu pedido; antes de marcar a pergunta como duplicada, envie-me um ping no comentário.

Eu administro uma rede neural baseada na neuralnetprevisão de séries temporais do índice SP500 e quero entender como posso interpretar o gráfico postado abaixo:

Particularmente, estou interessado em entender qual é a interpretação do peso da camada oculta e do peso de entrada; alguém poderia me explicar como interpretar esse número, por favor?

Qualquer dica será apreciada.

Como David afirma nos comentários, se você deseja interpretar um modelo, provavelmente deseja explorar algo além das redes neurais. Dito isto, você deseja entender intuitivamente o gráfico de rede em que é melhor pensar em relação às imagens (algo em que as redes neurais são muito boas).

1. Os nós mais à esquerda (ou seja, nós de entrada) são suas variáveis ​​de dados brutos.
2. As setas em preto (e números associados) são os pesos nos quais você pode pensar em quanto essa variável contribui para o próximo nó. As linhas azuis são os pesos tendenciosos. Você pode encontrar o objetivo desses pesos na excelente resposta aqui .
3. Os nós do meio (ou seja, qualquer coisa entre os nós de entrada e saída) são os nós ocultos. É aqui que a analogia da imagem ajuda. Cada um desses nós constitui um componente que a rede está aprendendo a reconhecer. Por exemplo, nariz, boca ou olho. Isso não é facilmente determinado e é muito mais abstrato quando você está lidando com dados que não são de imagem.
4. O nó da extrema direita (nó (s) de saída) é a saída final da sua rede neural.

Observe que tudo isso está omitindo a função de ativação que também seria aplicada em cada camada da rede.