这篇论文（《神经网络数学》，一套80页的数学讲义）为前馈网络提供了全局的输入–输出表达式，但并未给出全局的神经网络方程。

当我们仍然没有神经网络自身的统御方程时，如何能自信地谈论AGI或《神经网络数学》？层组成不是统御方程，损失最小化也不是。

除非学习、推理、边界条件、迭代和收敛在数学上统一，AGI仍更像是基于观察能力的推断，而非一个适定的科学对象。

神经网络数学（研究生课程讲义）

来源：https://arxiv.org/abs/2403.04807 文献工具

文献与引用工具

文献探索器 切换

代码、数据与媒体

本文相关的代码、数据与媒体

演示

演示

相关论文

推荐与搜索工具

IArxiv 推荐器 切换

关于 arXivLabs

arXivLabs：与社区合作者的实验项目

arXivLabs 是一个框架，允许合作者直接在 arXiv 网站上开发和分享新功能。

与 arXivLabs 合作的个人和组织都认同并接受了我们的价值观：开放、社区、卓越和用户数据隐私。arXiv 致力于这些价值观，只与遵守这些价值观的伙伴合作。

有一个能为 arXiv 社区增值的项目想法？了解更多关于 arXivLabs (https://info.arxiv.org/labs/index.html)。