高等数学 / 系统课时
复合函数
复合函数
复合函数解决的是“一个结果继续作为下一个函数输入”的问题。掌握由内到外的计算顺序后,你就能准确展开多层表达式,并看懂神经网络为何可以写成一串函数的逐层组合。
学习目标
- 理解复合函数的定义与符号含义
- 按正确顺序计算两层及多层复合函数
- 将函数复合与神经网络的前向传播联系起来
复合规则与计算顺序
设函数 先接收输入 ,得到 ;函数 再接收这个结果,得到 。由此形成的新函数记作 ,它把两个独立步骤合并成一次完整映射。
复合并不是普通乘法。 表示先算 ,再算 ;交换顺序得到 ,结果通常不同。只有前一层的输出落在后一层的定义域内时,复合函数才有意义。

计算时先求最内层,再把结果整体代入外层。例如:
先得到 ,再把它作为 代入 :
临时变量 只是帮助区分当前层输入。遇到三层复合 时,同样从 开始,依次向外计算。
定义域与常见错误
复合函数的定义域不能只看最外层。若 的结果不满足 的输入条件,即使 本身可计算, 仍然无定义。
若 、 分别是内层和外层的定义域, 的定义域为 。例如 、 时, 要求 。反过来, 只要求 ,且在 时,两种顺序分别得到 和 。
常见错误包括把复合误当成乘法、从外层开始代入、忽略层间定义域,以及默认 。最稳妥的做法是先圈出最内层,再逐层写出中间结果。
神经网络中的函数复合
神经网络的一层常把仿射变换 与激活函数组合起来。若第一层是 ,第二层是 ,输出层是 ,整个网络可写成:
例如 接收 中的向量并输出 中的向量,下一层若要把它映射为一个标量,其仿射部分应使用 的权重矩阵。维度匹配是层间约束的一部分,涉及对数或除法时还要检查输入值。前向传播按复合顺序计算,训练时使用的链式法则则沿这些依赖关系反向传递梯度。
按自己的节奏,确认真正理解。