是的，这是反向传播的前提，层的梯度$j_{n}$不受层梯度的影响$j_{n-1}$. 这允许您从输出层的梯度开始，然后通过网络将其传播回输入层。

然而，它受到梯度的影响$j_{n+1}$，反向传播算法也遵循。

（前馈神经网络的）层的梯度是否独立于前一层的激活？

是的，根据@recessive 的回答，它们确实独立于前几层。

反向传播的目标是将损失（目标和网络输出之间的误差）跟踪到网络中的特定权重，然后调整它们以最小化这种损失。为此，激活必须独立于先前的激活功能（在网络中前进）。

在阅读这些论文时，对反向传播过程有一个很好的理解是非常有帮助的，我个人建议观看这个视频来更好地理解它：

https://www.youtube.com/watch?v=Ilg3gGewQ5U