关于TCS中的图灵机模型和神谕机

http://songshuhui.net/archives/92392#comment-645803


1

对于普通的图灵机而言,停机问题是不可判定的,这早已被证明。而图灵发现,即使将证明中的所有“图灵机”三个字都换成“带有‘数论问题’谕示的谕示机”,其他部分一字不易,证明依然成立!也就是说,就像普通图灵机不能解决关于自身的停机问题,谕示机也不能解决关于自身的停机问题,无论它的谕示有多么强大。
——?从你的说法来看,这个证明感觉是有缺陷的:既然Oracle机器实际不可能存在,那么拿来做假设毫无意义,正如数理逻辑中的蕴涵怪论,False -> False为真,前提条件错误,结论可以是任意的


2
通过图灵规约与谕示机,我们可以比较不同的判定问题之间的相对难度。但谕示机本身就是一种计算方法,它从一个已知的问题出发,通过谕示假定这个问题已经被解决,从而探索那些相对于已知问题而言可以计算的问题。带有某个特定谕示的谕示机,它们能进行的计算是相对于某一个特定问题而言的。某个问题能否计算,取决于我们手上的谕示,换句话说,我们手上已有的知识。
——这个假设仍然是错误的,考虑零知识证明,即使要归约的目标问题只是回答0/1这么简单,但假如这个过程需要1000万年的话,你也不能假设它就是0或1,你只能说你不知道


3
以上提到到TCS著名的“归约”,有点像数学里的同调代数、范畴论,我总是在想,是否存在一种“超级归约”,即可以把一个计算问题映射到另外一个模型完全不同的思维问题。。。


4
以前不太理解所谓的神谕机到底是什么东西,看了这篇文章恍然大悟,原来就是对可计算问题可以瞬间可出答案的不存在的机器。(实际上,我总觉得图灵机也是不存在的,它只是一种数学模型,其“可以修改自己状态的有限状态机”总感觉不是一个智能主体,需要另外一个“人”去操纵它)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
神经图灵机(Neural Turing Machine,NTM)是一种结合了神经网络和图灵机思想的模型,用于处理序列数据。训练神经图灵机模型可以分为以下几个步骤: 1. 数据准备:首先,你需要准备用于训练的序列数据。这些数据可以是文本、音频、图像等。确保数据集具有足够的多样性和代表性。 2. 构建模型:接下来,你需要构建神经图灵机模型的网络结构。该模型通常由两部分组成:控制器(controller)和外部存储器(external memory)。控制器可以是循环神经网络(RNN)或者其他类型的神经网络,用于读写外部存储器。外部存储器可以是一个可访问和可写入的矩阵。 3. 定义损失函数:为了训练模型,你需要定义一个适当的损失函数来衡量模型输出与真实值之间的差异。常见的损失函数包括均方误差(Mean Squared Error)和交叉熵(Cross Entropy)等。 4. 训练模型:使用准备好的数据集和定义好的损失函数,通过反向传播算法来更新模型的参数。你可以使用梯度下降等优化算法来最小化损失函数。 5. 评估模型:在训练过程,你可以使用验证集来评估模型的性能。常见的评估指标包括准确率、损失值等。根据评估结果,你可以调整模型的超参数或者网络结构。 6. 预测和应用:训练完成后,你可以使用训练好的神经图灵机模型进行预测和应用。根据具体的任务,你可以输入新的序列数据,并通过模型输出来进行预测或者生成。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值