简单的英语术语中的共同适应意味着合作。如果您将 NN 的节点视为工人，那将意味着即使缺少几个工人也会导致 NN 无法做一些实质性的事情。这主要是由于 NN 的少数节点输出值被其他节点取消（因此我们可以完全删除这些节点 - 本质上是冗余单元），从而导致 NN 的低效使用。因此，不是说 2 个节点，而是 8 个节点正在执行相同的作业，其中 6 个节点相互抵消。这是最好的说明。

在 XOR 近似的情况下，您需要最少（我不确定）2 个节点来正确近似函数，但您可以使用 100 个节点，其中大多数都是多余的。

此外，这显然会导致过度拟合，因为节点而不是对训练数据进行泛化正在对训练数据进行微观管理。

现在我们不希望我们的神经网络以这种方式运行，我们希望其他节点接管缺失节点的工作（如果有缺失），就像我们的大脑在一个中心接管功能时一样（比如说语音，听力受损）目前最先进的机制是分层辍学。