假设我们有一个有 n 层的神经网络，其中连接不是简单地从第 i 层到第 i+1 层，而是可以从任何层 i 到任何层 k，使得 k> i。例如;从第 1 层直接连接到第 3 层，或从第 2 层直接连接到第 N 层，依此类推...
给定一个任意训练函数和每层选择的一些激活函数，这样的神经网络还能正常工作吗？
对于（任何）NN，你得到的是链式激活函数的组合。
只要所有连接的权重都能为您提供良好的分类结果，那么跳过某些图层就无关紧要。
从数学上讲，您仍然可以使用链式规则进行反向传播，我想与逐层反向传播相比，它不那么干净。
我看到的唯一问题是跳过太多层，您的模型可能不够复杂，无法捕获输入和输出之间的关系，这对于 NN 来说通常不是问题。
我认为简短的回答是肯定的，但是，就像神经网络一样，这取决于你的问题。
您在问题中描述的体系结构类型称为"跳过层"模型。有关跳过层连接的简要讨论，您可能需要查看以下联机资源：
https://stats.stackexchange.com/questions/56950/neural-network-with-skip-layer-connections
http://www.iro.umontreal.ca/~bengioy/ift6266/H12/html.old/mlp_en.html
https://www.google.com/search?q=skip+layer+neural+network
摘要：跳过层连接可以工作，但它们的工作效果在很大程度上取决于您的问题，以及网络模型的其余部分的构建和优化方式。