关于神经网络的图灵完备性有哪些实际证明？哪些 nns 可以执行代码/算法？答案

【问题标题】：what practical proofs are there about the Turing completeness of neural nets? what nns can execute code/algorithms?关于神经网络的图灵完备性有哪些实际证明？哪些 nns 可以执行代码/算法？
【发布时间】：2011-02-28 18:37:38
【问题描述】：

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：

神经网络的图灵可计算性，Hava T. Siegelmann 和 Eduardo D. Sontag，1991 年

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。

（注意another question of mine试图指出这种理论结果与实践之间存在的问题。）

我主要在寻找一些真正可以执行一些代码的神经网络，我也可以在实践中模拟和测试这些代码。当然，在实践中，它们的内存有限。

有人知道这样的事情吗？

【问题讨论】：

标签： computer-science neural-network execution turing-machines

【解决方案1】：

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

【讨论】：

【解决方案2】：

有点离题，但可能对您的搜索有用（听起来像是硕士/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，贝叶斯统计听起来并不像“神经网络”那样性感，尽管它可以说更有用且有充分根据。

我希望看到有人在学术环境中正式解决这个问题。

【讨论】：

有趣的声明。我还希望看到一些更正式、更完善的计算能力比较结果。但我认为，与从贝叶斯网络中得到的相比，（循环）神经网络在计算能力（图灵机所能计算的一切）方面显然更强大。