协同适应

在神经网络中，协同适应指的是神经元之间产生的一种复杂的、非必要的依赖关系。一个神经元 A 的学习目标，可能不是为了直接拟合最终目标，而是为了修正另一个神经元 B 所犯的错误。

• 例子：假设一个网络在识别猫。神经元 B 可能学习到了一个“尖耳朵”的特征，但它对所有尖耳朵的动物（包括狐狸）都会高强度激活。神经元 A 为了修正 B 的错误，可能会学习到一个非常奇怪的特征，比如“当 B 激活时，如果图像中没有胡须，就抑制输出”。
• 问题：这种 A 和 B 之间的“私下约定”在训练集上可能表现很好，但它不具有泛化能力。当测试集出现一只没有胡须的猫时，这个组合可能会失败。