神经网络（反向传播）
Neural Networks (backpropagation)
假设我们训练了一个神经网络。我的问题是，如果我们应用以前的输出作为现在的输入，同一个神经网络是否会生成数据？
我正在处理 MNIST 数据集，想知道如果我们使用反向传播算法从输出端训练我们的网络（使用最终输出作为该端本身的输入）会发生什么。
我的想法是它可以取回数据（或原始数据集的近似值）。能说得过去吗？
据我所知。它不能。特别是因为 activation functions 是（大部分）非线性的。
神经网络是一个黑盒子（参见 this answer）。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；同样适用于神经网络，可以有多个解决方案，因此不可能将所有解决方案都反转。但要点是：仅仅因为你知道函数的反函数，并不意味着你知道神经网络的反函数。这是一个黑匣子！
但是， 您可以想象神经元对特定输入的反应。例如，这是 'aspects' 神经网络寻找识别人脸的方法：
Google Deepdream 还放大了它正在寻找的识别某些对象的方面。看看吧！
假设我们训练了一个神经网络。我的问题是，如果我们应用以前的输出作为现在的输入，同一个神经网络是否会生成数据？
我正在处理 MNIST 数据集，想知道如果我们使用反向传播算法从输出端训练我们的网络（使用最终输出作为该端本身的输入）会发生什么。
我的想法是它可以取回数据（或原始数据集的近似值）。能说得过去吗？
据我所知。它不能。特别是因为 activation functions 是（大部分）非线性的。
神经网络是一个黑盒子（参见 this answer）。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；同样适用于神经网络，可以有多个解决方案，因此不可能将所有解决方案都反转。但要点是：仅仅因为你知道函数的反函数，并不意味着你知道神经网络的反函数。这是一个黑匣子！
但是， 您可以想象神经元对特定输入的反应。例如，这是 'aspects' 神经网络寻找识别人脸的方法：
Google Deepdream 还放大了它正在寻找的识别某些对象的方面。看看吧！