मान लें कि हमारे पास परिमाण n, V_n के किसी भी पूर्णांक का वेक्टर प्रतिनिधित्व है
यह वेक्टर मशीन लर्निंग एल्गोरिदम का इनपुट है।
पहला सवाल: तंत्रिका नेटवर्क या कुछ अन्य वेक्टर-टू-बिट एमएल मैपिंग का उपयोग करके n की मौलिकता / संरचना जानने के लिए किस प्रकार के निरूपण संभव हैं। यह विशुद्ध रूप से सैद्धांतिक है - तंत्रिका नेटवर्क संभवतः आकार में अनबाउंड हो सकता है।
आइए उन अभ्यावेदन को नजरअंदाज करें जो पहले से ही मौलिकता परीक्षण से संबंधित हैं जैसे: n के कारकों की अशक्त पृथक सूची, या मिलर राबिन जैसे रचनाकार गवाह का अस्तित्व। आइए इसके बजाय विभिन्न मूलों में अभ्यावेदन पर ध्यान केंद्रित करें, या (संभवतः बहुभिन्नरूपी) बहुपद के गुणांक वैक्टर के रूप में अभ्यावेदन। या अन्य विदेशी के रूप में प्रस्तुत कर रहे हैं।
दूसरा प्रश्न: क्या, यदि कोई हो, के लिए एमएल एल्गोरिथ्म के प्रकार प्रतिनिधित्व वेक्टर की बारीकियों की परवाह किए बिना यह सीखना असंभव होगा? फिर, आइए छोड़ें 'तुच्छता से निषिद्ध' जो उदाहरण ऊपर दिए गए हैं।
मशीन लर्निंग एल्गोरिदम का आउटपुट एक एकल बिट, प्राइम के लिए 0, कंपोजिट के लिए 1 है।
इस प्रश्न का शीर्षक मेरे आकलन को दर्शाता है कि प्रश्न 1 के लिए आम सहमति 'अज्ञात' है और प्रश्न 2 के लिए सर्वसम्मति 'संभवतः अधिकांश एमएल एल्गोरिदम' है। मैं यह पूछ रहा हूं क्योंकि मुझे इससे ज्यादा कोई जानकारी नहीं है और मैं उम्मीद कर रहा हूं कि कोई ऐसा कर सकता है।
मुख्य प्रेरणा, अगर वहाँ एक है, इस सवाल का है: क्या वहाँ एक 'सूचना सिद्धांत' की सीमा है कि एक विशेष आकार के तंत्रिका नेटवर्क में कब्जा कर लिया जा सकता है सेट के ढांचे की संरचना? जैसा कि मैं इस तरह की शब्दावली में विशेषज्ञ नहीं हूं, मुझे इस विचार को कुछ बार फिर से समझने दें और देखें कि क्या मुझे इस अवधारणा के लिए एक मोंटे-कार्लो सन्निकट मिल गया है: क्या primes के सेट की एल्गोरिथम जटिलता है? क्या तथ्य यह है कि प्राइम्स डायोफैंटाइन रिकर्सिवली एनुमेरबल हैं (और एक विशेष बड़े डियोफैटिन समीकरण को संतुष्ट कर सकते हैं ) का उपयोग ऊपर वर्णित इनपुट और आउटपुट के साथ तंत्रिका नेटवर्क में समान संरचना को पकड़ने के लिए किया जा सकता है।