Key points are not available for this paper at this time.
우리는 하드 리미팅 뉴런을 가진 1차 및 2차 단일층 순환 신경망(SLRNN)의 표현 가능성을 조사합니다. 우리는 2차 SLRNN이 1차 SLRNN보다 엄격하게 더 강력하다는 것을 보여줍니다. 그러나 1차 SLRNN이 피드포워드 뉴런의 출력 레이어로 보강되면, 상태 분할이 사용될 경우에만 유한 상태 인식기를 구현할 수 있습니다. 상태가 분할되면 두 개의 동등한 상태로 나눠집니다. 상태 분할의 신중한 사용은 보강된 1차 SLRNN을 사용하여 유한 상태 인식기를 효율적으로 구현할 수 있게 합니다.
Goudreau et al. (Sun,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: