递归神ç»ç½‘络æƒé‡çŸ©é˜µçš„有用表示å¦ä¹
循环神经网络(RNN)是一种通用的并行 - 顺序计算机,其权重矩阵即为其程序。本研究探讨了针对 RNN 权重的机械主义和功能主义方法,并通过对 RNN 进行询问输入来提取信息,开发了理论框架以确定 RNN 行为。通过比较,评估不同的 RNN 权重编码技术对多个下游应用的影响,发现功能主义方法在最具挑战性的任务中表现出明显优势。
本文研究了简单循环神经网络(RNN)作为识别加权语言的形式模型的计算复杂性问题。研究发现,大多数问题都是不可判定的,但对于一致性RNN,最后一个问题是可判定的,但解决方案可能超过可计算的界限。因此,在实际应用中,逼近算法是必要的。