Я попытаюсь ответить на вопрос о рекурсии в нейронных сетях, но на самом деле я не понимаю, как сокращение карты вообще влияет на это.Я понимаю, что нейронная сеть может выполнять распределенные вычисления, а затем сокращать их до более локального представления, но термин map-redu * - это очень специфическая марка этого распределенного / локального трубопровода, в основном связанная с Google и Hadoop.
В любом случае, простой ответ на ваш вопрос заключается в том, что не существует общего метода рекурсии в нейронных сетях;на самом деле, очень связанная с этим более простая проблема реализации связываний ролей-значений общего назначения в нейронных сетях в настоящее время остается открытым вопросом.
Общий принцип, почему такие вещи, как связывание ролей и рекурсия в нейронных сетях (ANN)настолько сложны, что ИНС очень взаимозависимы по своей природе;на самом деле именно отсюда вытекает большая часть их вычислительной мощности.Принимая во внимание, что вызовы функций и привязки переменных являются очень четкими операциями;то, что они включают, является делом «все или ничего», и эта дискретность во многих случаях является ценным свойством.Таким образом, реализация одного внутри другого без ущерба для вычислительной мощности действительно очень сложна.
Вот небольшая выборка статей, в которых пробуются частичные решения.К счастью для вас, очень многие люди находят эту проблему очень интересной!
Визуальная сегментация и проблема динамического связывания: повышение надежности искусственного нейронного сетевого классификатора планктона (1993)
Решение проблемы связывания для композиционного коннекционизма
A (Несколько) Новое решение проблемы связывания