通常，由权重参数化的神经网络$\mathbf{W}$是来自输入的函数$x$到一个输出$y$. 网络具有相关的兼容性功能$\Psi(y; x, \mathbf{W}) \rightarrow \mathbb{R}^+$衡量在权重下给定输入 x 的输出 y 的可能性$W$.

来源：具有输出约束的网络的基于梯度的推理，AAAI 2019 ( https://arxiv.org/abs/1707.08608 )

什么是兼容功能？它的用途是什么？

神经网络通常是确定性的。我们保证为给定的输入获得特定的输出。在这种情况下，我们如何解释兼容性函数？