假设我们有一个具有k个输入和一个输出的单层前馈神经网络。它计算从函数 ,这也很容易地看到,这具有至少相同的计算能力如甲Ç 0。只是为了好玩,我们将由单层神经网络可计算的函数集称为“ N e u r a l ”。
但是,似乎它可能比单独的具有更多的计算能力。
因此...是或ñ é ù ř 一升= 甲Ç 0?以前也研究过这种复杂性类吗?
1
有关术语的注释-重要信息是有多少个隐藏层。具有一个输出的零隐藏层神经网络只是线性阈值函数,通常(令人困惑地)称为一层或两层神经网络/感知器,具体取决于是否将输入/输出视为层。同样,在AI文献中,神经网络通常是按照S形函数定义的,这意味着输入/输出是实际值。从某种意义上说,任何连续函数都可以任意近似地闭合,一个隐藏层网络被称为通用近似器
—
Yaroslav Bulatov 2010年