1

我对神经网络的计算能力很感兴趣。人们普遍认为循环神经网络是图灵完备的。现在我正在寻找一些证明这一点的论文。

到目前为止我发现了什么:

  • 图灵可计算性与神经网络,Hava T. Siegelmann 和 Eduardo D. Sontag,1991

    我认为这只是从理论的角度来看很有趣,因为它需要具有无限精确的神经元活动(以某种方式将状态编码为有理数)。

  • S. Franklin 和 M. Garzon,神经可计算性

    这需要无限数量的神经元,而且看起来也不太实用。

(请注意,我的另一个问题试图指出这种理论结果与实践之间的问题。)

我主要在寻找一些真正可以执行一些我也可以在实践中模拟和测试的代码的神经网络。当然,在实践中,他们会有某种有限的记忆。

有谁知道这样的事情?

4

2 回答 2

1

有点离题,但可能对您的搜索有用(听起来像硕士/博士论文)。根据我在分类、分割等方面使用学习算法的经验,贝叶斯学习由于其强大的数学基础而优于所有形式的神经网络、遗传算法和其他漂亮的算法。

在我的书中,数学基础使技术优于临时方法。例如,贝叶斯网络的结果可以在数学上解释为概率(如果您愿意,甚至可以使用 p 值),而神经网络通常是猜测。不幸的是,贝叶斯统计听起来不像“神经网络”那么性感,尽管它可以说是更有用且有根据。

我很想看到有人在学术环境中正式解决这个问题。

于 2010-06-18T14:16:41.073 回答
1

也许是这篇论文?http://lipas.uwasa.fi/stes/step96/step96/hyotyniemi1/

于 2010-06-07T16:43:36.250 回答