Poder computacional das redes neurais?

Digamos que temos uma rede neural de avanço de camada única com k entradas e uma saída. Calcula uma função de , é bastante fácil ver que isso tem pelo menos o mesmo poder computacional que . Apenas por diversão, chamaremos o conjunto de funções computável por uma rede neural de camada única " ". $\lbrace 0,1\rbrace ^{n}\rightarrow\lbrace 0,1\rbrace$ $AC^0$ $Neural$

Parece, no entanto, que ele pode ter mais poder computacional do que sozinho. $AC^0$

Então ... ou ? Também esse tipo de classe de complexidade já foi estudada antes? $AC^0 \subseteq Neural$ $Neural = AC^0$

— gabgoh
fonte

Uma observação sobre terminologia - informações importantes são quantas camadas ocultas existem. A rede neural de camada oculta zero com uma saída é apenas uma função de limite linear e é freqüentemente (confusamente) chamada rede neural / perceptron de uma ou duas camadas, dependendo se as entradas / saídas são consideradas camadas. Além disso, na literatura de IA, as redes neurais são tipicamente definidas em termos de funções sigmóides, o que significa que as entradas / saídas são valorizadas de maneira real. Um redes camada oculta são conhecidos por serem aproximadores universais no sentido de que qualquer função contínua pode ser aproximada arbitrariamente próximo

— Yaroslav Bulatov