当我阅读 Y. LeCun 关于深度学习的论文时(Nature, vol. 521, 2015)，我遇到了一个图（论文中的第一个），它与backpropagation通过卷积网络的反向传播相关联。除了图例的最后一句话，我理解了一切：“一旦已知，来自单元 j 的连接上 的误差导数在下面的层中只是 ”。$\frac{∂E}{∂zk}$$w_{jk}$$y_j\cdot\frac{∂E}{∂zk}$

它必须是纯数学的，但我无法弄清楚为什么上面提到的误差导数等于乘以。有人可以向我解释这个结果吗？$y_j$$\frac{∂E}{∂zk}$

谢谢。

PS：上图的链接是https://www.researchgate.net/figure/Multilayer-neural-networks-and-backpropagation-aA-multi-layer-neural-network-shown-by_fig4_277411157