请不要在回答技术问题时复制粘贴 AI 生成的内容 #Wrapper { background-color: #e2e2e2; background-image: url("/static/img/shadow_light.png"), url("//cdn.v2ex.com/assets/bgs/circuit.png"); background-repeat: repeat-x, repeat-x; } #Wrapper.Night { background-color: #1f2e3d; background-image: url("/static/img/shadow.png"), url("//cdn.v2ex.com/assets/bgs/circuit_night.png"); background-repeat: repeat-x, repeat-x; background-size: 20px 20px, 162.5px 162.5px; }
这是一个创建于 1266 天前的主题，其中的信息可能已经有所发展或是发生改变。
在看 AI 的时候看到的：所有的图灵机都可以被一个由使用 Sigmoid 型激活函数的神经元构成的全连接循环网络来进行模拟。
完全看不懂什么意思？
第 1 条附言 2022-06-15 22:02:34 +08:00
这是出自邱教授的《神经网络与深度学习》 ，好多数学公式看得眼花缭乱，真佩服这些搞学术的
 | 1 phpfpm 2022-06-15 09:33:59 +08:00 1 你确定你知道什么是图灵机？ 2 你确定你知道什么是激活函数，以及 sigmoid 是什么？ 3 你确定你知道全连接循环网络是什么？ 知道以上三个，连在一起为啥不懂呢 |
 | 2 liuser666 2022-06-15 09:36:53 +08:00  1 本质上是因为 sigmoid 型激活函数的神经网络可以模拟任何函数。 |
 | 3 jr55475f112iz2tu 2022-06-15 09:57:49 +08:00 Sigmoid 型激活函数 激活函数：节点对输入处理的规则，最简单的处理规则是 f(x)=kx+b ，神经网络里的激活函数通常是非线性的 Sigmoid 函数：有界、可微的实函数，在实数范围内均有取值，且导数恒为非负，有且只有一个拐点。在神经网络里，S 型函数通常特指 Logistic 函数 神经元：节点 全连接循环网络 全连接网络：第 n-1 层的任意节点，都和第 n 层的所有节点有连接 循环网络：Recurrent neural network ，RNN ，循环神经网络 基于这些 google 出来的信息，这句话的意思我推测大概是： 包含上面这些元素的人工神经网络，可以对图灵完备的某个东西进行模拟 |
 | 4 lyminghao 2022-06-15 12:33:29 +08:00 这个没毛病啊 |
 | 5 geelaw 2022-06-15 12:52:32 +08:00 via iPhone 1 单从这句话确实看不懂，至少我并不知道 RNN 和它“所计算的函数”是如何定义的（有很多细节会影响结论是否成立、结论是否令人意外）。 看这篇应该就明白了 https://www.sciencedirect.com/science/article/pii/089396599190080F 另外，这并不是 Turing 完备的“解释”，这句话是在利用 Turing 完备的词义，而不是在告诉你 Turing 完备的词义。（类比：这家火锅很辣，这句话没有在解释什么是“辣”，而是在利用“辣”的意思给那家火锅下判断。） |
 | 6 ipwx 2022-06-15 13:46:26 +08:00 这种结论一般都是构造法证明。 首先图灵机是什么有清晰的定义。然后就是怎么用 sigmoid + rnn 表达任意给定的图灵机了。 随便搜一下可得： Turing Completeness of Bounded-Precision Recurrent Neural Networks https://openreview.net/forum?id=IWJ9jvXAoVQ 这篇 2021 年的 poster 说，前人的工作需要假定无穷精度的 RNN 才能表达任意图灵机。现在他们可以用有限精度 RNN 来表达了（可喜可贺 |
Select Language