为什么有时神经元会输出类似（甚至一样）？
这是训练过程中常见的一个现象，叫做：
神经元共适应（co-adaptation）
也就是说：
多个神经元开始“协作”着做同一件事；
导致它们学到的表示重叠；
就像“抄作业”的神经元。
🛡️ 怎么防止这种情况？
这也是为什么很多正则化技术被发明出来：
| 技术 | 作用 | 原理 |
|---|---|---|
| Dropout | 随机屏蔽部分神经元 | 强迫神经元独立思考，不能互相依赖 |
| L2 正则 | 限制权重大小 | 避免神经元无限放大、互相套娃 |
| BatchNorm | 稳定每层输出分布 | 让神经元输出多样化而非爆炸/塌陷 |
| 多任务训练 | 多个目标共享底层 | 促使不同神经元关注不同特征 |
| Sparse Activation（稀疏激活） | 限制活跃神经元数量 | 保证神经元分工合作而不是集体输出 |
✅ 最佳状态是？
每个神经元对输入做不同的响应，对特定模式“敏感”，对其他模式“沉默”。
这时神经元在网络中就像“专家”一样——每个负责不同的子任务，合在一起强大无比。