Neural network 在2个神经网络组合中使用反向传播进行权重更新

每个神经网络通过反向传播更新其权重。

---

假设一个神经网络模型叠加在另一个神经网络模型上，在这种体系结构中如何使用反向传播进行权重更新。加权更新与单一神经网络模型有什么不同？

CNN、GAN或任何其他神经网络拓扑仍然由基本单元、网络层组成。“CNN”指一大类拓扑结构；“GNN”是另一个广泛的类别

---

反向传播的工作方式与通常相同：每个层的权重变化将传播到前一层，除以该权重的梯度。这是拓扑中相邻（直接连接）层之间的操作。无论这两个层是在我们聚集为“CNN”的子图中，还是在两个不同子图中的相邻层，都无关紧要——这是一个简单的逐层更新。

NNs中有许多隐藏层；你所指的“隐藏层”是什么？你的叠加不清楚：“每个神经网络都是相互叠加的。”我不熟悉这种拓扑结构。例如，CNN-LSTM模型是叠加在LSTM模型之上的CNN模型，但LSTM也不叠加在CNN之上。你能解释一下吗？每个神经网络都有自己的隐藏层。当美国有线电视新闻网模型被堆叠在LSTM模型的顶部时，我们会考虑模型或隐层外模型（LSTM）的隐藏层吗？是的，你对在LSTM模型上堆积的美国有线电视新闻网模型是正确的。每个模型都有多个隐藏层。它们都在反向传播过程中得到更新。