The equality constraints are then o

The equality constraints are then obtained using alge- braic training [30] and the positional notation described in











Fig. 1. Neural network architecture with LTM and STM connections repre- sented by thick and thin lines, respectively.



The proof is provided in Appendix IV. Typically, the size of the network and the LTM–STM connections can be designed by inspection of the equality constraints. In this case, let , and partition the hidden nodes into two -node sets, with out- puts and . Choose the LTM–STM connections as illustrated in Fig. 1. Then, as shown by the following proposi- tion, the constraints (12) can be written in the explicit form (4). Proposition 1 (Explicit Constraints): The constraint equation (12) implies the function shown in (17) at the bottom of the page,
where
Appendix III, as shown by the following result. .
Theorem 1 (Equality Constraints): A gradient-based
training set , with
, can be embedded in a neural net-

. and





(18)
work (9) satisfying the equality constraints

Kết quả (Việt) 1:

Các khó khăn bình đẳng sau đó thu được bằng cách sử dụng alge - braic đào tạo [30] và ký hiệu positional được mô tả trong Hình 1. Mạng nơ-ron kiến trúc với LTM và STM kết nối repre-sented bởi dày và mỏng dòng, tương ứng.Các bằng chứng được cung cấp tại phụ lục IV. Thông thường, kích thước của mạng và các kết nối LTM-STM có thể được thiết kế bởi các kiểm tra của các khó khăn bình đẳng. Trong trường hợp này, hãy để, và phân vùng ẩn nút vào hai - nút bộ, với ra-đặt và. Chọn các kết nối LTM-STM như minh họa trong hình 1. Sau đó, như được hiển thị bởi sau đây proposi-tion, các khó khăn (12) có thể được viết bằng hình thức rõ ràng (4). Đề xuất 1 (rõ ràng khó khăn): Phương trình hạn chế (12) ngụ ý chức năng hiển thị trong (17) ở dưới cùng của trang,nơi Phụ lục III, như thể hiện bởi kết quả sau. .Định lý 1 (bình đẳng khó khăn): Một gradient dựa trênđào tạo thiết lập, với , có thể được nhúng trong một mạng nơ-ron - . và (18) làm việc (9) đáp ứng các khó khăn bình đẳng

Kết quả (Việt) 2:

Các chế bình đẳng được sau đó thu được bằng cách sử dụng alge- đào tạo braic [30] và các ký hiệu vị trí được mô tả trong hình. 1. Kiến trúc mạng thần kinh với các kết nối LTM và STM diện sented bởi dòng dày và mỏng, tương ứng. Các bằng chứng được cung cấp trong Phụ lục IV. Thông thường, kích thước của các mạng và các kết nối LTM-STM có thể được thiết kế bằng cách kiểm tra các hạn chế bình đẳng. Trong trường hợp này, để cho, và phân vùng các nút ẩn thành hai bộ -node, với puts dùng ngoài trời và. Chọn kết nối LTM-STM như minh họa trong hình. 1. Sau đó, như thể hiện bởi sự phân proposi- sau đây, những hạn chế (12) có thể được viết bằng các hình thức rõ ràng (4). Dự Luật 1 (Constraints Explicit): Các phương trình ràng buộc (12) suy chức năng hiển thị trong (17) ở dưới cùng của trang, nơi Phụ lục III, như thể hiện bởi các kết quả sau. . Định lý 1 (Bình đẳng Constraints): A dựa trên gradient tập huấn luyện, với, có thể được nhúng vào trong một mạng lưới thần kinh. và (18) làm việc (9) đáp ứng các hạn chế bình đẳng