这是我对stackoverflow的第一个问题。我想问一些关于神经网络的问题，我只需要一个直观的解释。让我们假设有一个复杂的神经网络架构（如图所示）。有四个向量G，B，R，P（绿色，蓝色，红色，紫色）和标量y。相关性类似于R = f（G; Weights），P = g（G，B; Weights）和y = h（R，G; Weights）。通过输出= y * R +（1-y）* P计算输出。我们还定义了成本/损失函数来计算误差e。我的问题是如何反向传播错误e以固定每个前馈网络的所有权重。我只需要一个直观的解释（而不是梯度下降的数学）。我的意思是，错误如何“固定”标量y，然后“固定” R和G，但是R也“固定” G？我很困惑在培训期间这种架构是如何工作的。请帮我。谢谢
