論文の概要: A PyTorch Library of Turing-Complete Neural Networks

• arxiv url: http://arxiv.org/abs/2605.08150v1
• Date: Sun, 03 May 2026 21:06:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.399668
• Title: A PyTorch Library of Turing-Complete Neural Networks
• Title（参考訳）: チューリング完全ニューラルネットワークのPyTorchライブラリ
• Authors: Jonathan Bates,
• Abstract要約: 本稿では、チューリングマシン記述からニューラルネットワークとその重みをコンパイルするPyTorchパッケージを提案する。 遷移関数と一連の端末状態が与えられたパッケージは、前方通過がチューリングマシンの一ステップに対応するモデルを構成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a PyTorch package that compiles neural networks and their weights from Turing machine descriptions, producing models that exactly simulate the specified machine without any training. Given a transition function and a set of terminal states, the package constructs a model whose forward pass corresponds to one step of the Turing machine. Two architectures are implemented, each realizing a different theoretical result: (1) a transformer with self-attention, cross-attention, and feedforward layers based on Wei, Chen, and Ma (2021), and (2) a recurrent network based on Siegelmann and Sontag (1995) that encodes the stack in a Cantor set. We develop the constructions from first principles, showing how ReLU networks implement Boolean circuits (AND, OR, NOT, XOR gates and their composition into DNF formulas and binary adders) and how hard attention implements positional lookup on the tape. The package serves as a concrete, runnable reference for the symbolic-neural bridge, and as a foundation for future work on the stability of constructed solutions under gradient-based optimization. Code is available at https://github.com/jonrbates/turing.
• Abstract（参考訳）: 本稿では,ニューラルネットワークとその重みをチューリングマシン記述からコンパイルするPyTorchパッケージを提案する。 遷移関数と一連の端末状態が与えられたパッケージは、前方通過がチューリングマシンの一ステップに対応するモデルを構成する。 2) カントール集合のスタックを符号化するジーゲルマンとソンタグに基づく再帰的ネットワーク (1995) である。 本稿では,ReLUネットワークがBoolean回路(AND, OR, NOT, XORゲートとその構成をDNF式およびバイナリ加算器にどのように実装するか,テープ上の位置探索がどのように実装されているかを示す。 このパッケージは、シンボリック・ニューラルブリッジの具体的かつ実行可能な参照として機能し、勾配に基づく最適化の下で構築されたソリューションの安定性に関する将来の研究の基礎となる。 コードはhttps://github.com/jonrbates/turing.comで入手できる。

関連論文リスト

• SymTorch: A Framework for Symbolic Distillation of Deep Neural Networks [4.579990158655961]
  シンボリック蒸留は、ニューラルネットワークまたはその構成要素を解釈可能な閉形式の数学的表現に置き換える。 ニューラルネットワークコンポーネントをラップすることでこの蒸留を自動化するライブラリであるSymTorchを紹介する。 SymTorchは、CPUデータ転送、入出力キャッシュ、モデルシリアライゼーション、ニューラルネットワークとシンボルフォワードパスのシームレスな切り替えなど、採用を妨げるエンジニアリング上の課題を処理する。
  論文  参考訳（メタデータ） (2026-02-24T19:17:56Z)
• Bearing Syntactic Fruit with Stack-Augmented Neural Networks [59.49467149799849]
  スタック拡張ニューラルネットワークは、標準的なアーキテクチャよりも、人間の言語習得の正確なモデルであることを示す。 また、階層的一般化を改善するスタックRNNアーキテクチャの修正も提案する。
  論文  参考訳（メタデータ） (2025-11-05T15:30:58Z)
• Block-Encoding Tensor Networks and QUBO Embeddings [0.0]
  我々は,任意のテンソルネットワーク(TN)を局所ユニタリ列に変換するアルゴリズムを提案する。 構成は各TNを局所等距離として埋め込み、それをユニタリに拡張する。 我々は、形式文、擬符号、資源公式、および一般量子作用素の状態準備と学習への利用に関する議論を提供する。
  論文  参考訳（メタデータ） (2025-10-01T14:15:22Z)
• A Constructive Framework for Nondeterministic Automata via Time-Shared, Depth-Unrolled Feedforward Networks [0.0]
  非決定論的有限オートマトン(NFA)の時間分割・深度制御型フィードフォワードネットワーク(TS-FFN)を用いたフォーマルで建設的なシミュレーションフレームワークを提案する。 我々の定式化は、二進ベクトルとしてのオートマトン状態、スパース行列変換としての遷移、および共有しきい値更新の合成としての$varepsilon$-closuresを含む非決定的分岐を含む非決定論的分岐を象徴的に符号化する。
  論文  参考訳（メタデータ） (2025-05-30T01:18:35Z)
• Unveiling Induction Heads: Provable Training Dynamics and Feature Learning in Transformers [54.20763128054692]
  我々は,2層変換器が$n$-gramのマルコフ連鎖データ上でICLを実行するためにどのように訓練されているかを検討する。 クロスエントロピー ICL 損失に対する勾配流が極限モデルに収束することを証明する。
  論文  参考訳（メタデータ） (2024-09-09T18:10:26Z)
• A Framework for Bidirectional Decoding: Case Study in Morphological Inflection [4.602447284133507]
  外部からシーケンスを復号するフレームワークを提案する。 各ステップで、モデルは左、右にトークンを生成するか、左と右のシーケンスを結合するかを選択します。 我々のモデルは2022年と2023年の共有タスクに最先端のSOTA(State-of-the-art)を設定し、それぞれ平均精度4.7ポイントと2.7ポイント以上で次の最高のシステムを上回った。
  論文  参考訳（メタデータ） (2023-05-21T22:08:31Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• Token Turing Machines [53.22971546637947]
  Token Turing Machines (TTM) はシーケンシャルな自己回帰型トランスフォーマーモデルである。 我々のモデルは、セミナルなニューラルチューリングマシンにインスパイアされ、以前の履歴を要約するトークンの集合からなる外部メモリを持つ。
  論文  参考訳（メタデータ） (2022-11-16T18:59:18Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。