标签： neural-network deep-learning
我认为标准神经网络是连续函数，因为它们是函数的组合，通过权重和一些可微分的非线性在线性变换之间交替。但是我们得到了什么样的连续性？如果我们有一个L层深度网络，整体功能是否足够连续，以便它对初始条件（在前向传播期间）的敏感性不是太差？有关于此的定理吗？
如果你能指点我一些论文，我将不胜感激......例如，这似乎是相关的：Back Propagation is Sensitive to Initial Conditions，但我希望看到有关前向传播的结果。