Neural network 神经网络（反向传播）

假设我们训练了一个神经网络。我的问题是，如果我们把以前的输出和现在的一样作为输入，同一个神经网络会产生数据吗

我正在处理MNIST数据集，想知道如果我们进行培训会发生什么​ 我们的网络从输出端（使用最终输出作为该端本身的输入）使用反向传播算法

---

我的想法是，它可以获取数据（或原始数据集的近似值）。据我所知，这是合理的吗。不可能。特别是因为它们（大部分）是非线性的

神经网络是一个黑箱（参见）。其次，取

f（x）=x^2

。如果您想从

f（n）

计算

n

，那么有两种可能的解决方案；神经网络也是如此，可以有多个解，所以不可能全部求逆。但要点是：仅仅因为你知道函数的逆，并不意味着你知道神经网络的逆。这是一个黑盒子

然而，你可以想象神经元对特定输入的反应。例如，这是神经网络用来识别人脸的“方面”：

---

它还放大了识别某些对象所需的方面。看看

2+3=5

<代码>5=0+5；1+4; 2+3。对于一些数学背景，请查看双射函数和鸽子洞原理。对于一些关于做不同但相似的事情的阅读，寻找一些叫做深层神经网络的文章很容易被愚弄。@sascha如果给定函数的逆函数存在怎么办…检查你的神经网络架构的内部工作，然后自己决定。由于这些是多层的，双射的性质在除了理论之外的所有情况下都消失了。@sascha是的，这是真的。@ADITYA如果？没有什么。原因有二,；首先，神经网络是一个黑箱（请看这个问题）。其次，取

f（x）=x^2

。如果你想从f（n）计算n，那么有两种可能的解决方案；神经网络也是如此，可以有多个解，所以不可能全部求逆。但要点是：仅仅因为你知道函数的逆，并不意味着你知道神经网络的逆。这是一个黑盒子！