假设我们有一个完全连接的网络，有1个隐藏层。让我们调用网络X的输入。现在假设输入所依赖的变量Z，即X = f(Z,D)，其中D是可用的训练数据。之后，X然后被馈送到网络，例如输出将为Y=f(X,W)，其中W和b确实是网络权重和偏差。
换句话说，网络的输入取决于训练数据和变量。现在，在根据X编写损失函数时，显然优化也将取决于Z的值，因此网络也将学习该变量。
这有意义吗？这种模型在一般意义上仍然是神经网络吗？
P.S。：Z是模型的可训练变量。网络运行（在张量流中）并且实际上正在学习变量，我的奇迹更多的是关于这种模型的架构级别/数学细节。