Có mạng lưới thần kinh nào có thể quyết định thêm / xóa nơ-ron (hoặc thay đổi mô hình nơ-ron / chức năng kích hoạt hoặc thay đổi ý nghĩa được gán cho nơ-ron), liên kết hoặc thậm chí hoàn thành các lớp trong thời gian thực hiện không?
Tôi đoán rằng các mạng lưới thần kinh như vậy vượt qua sự phân tách các giai đoạn học tập / suy luận thông thường và chúng liên tục sống cuộc sống của chúng trong đó học tập và tự cải thiện xảy ra cùng với việc thực hiện suy luận và ra quyết định thực tế mà các mạng lưới thần kinh này được xây dựng. Thực tế, nó có thể là một mạng lưới thần kinh hoạt động như một cỗ máy của Godel .
Tôi đã tìm thấy thuật ngữ mạng thần kinh động nhưng nó được kết nối để thêm một số chức năng trì hoãn và không có gì nữa.
Tất nhiên, các mạng tự cải thiện như vậy xác định lại hoàn toàn chiến lược học tập, có thể, các phương pháp gradient bắn một lần không thể áp dụng cho chúng.
Câu hỏi của tôi được kết nối với sự tích hợp biểu tượng thần kinh, ví dụ: Lý luận nhận thức thần kinh-biểu tượng của Artur S. D'Avila Garcez, 2009 . Thông thường phương pháp này gán các nơ-ron riêng lẻ cho các biến (hoặc nhóm nơ-ron theo công thức / quy tắc) trong tập hợp các công thức trong một số cơ sở kiến thức. Tất nhiên, nếu cơ sở tri thức mở rộng (ví dụ từ đọc cảm biến hoặc từ suy luận không đơn điệu bên trong) thì nên thêm các biến mới và do đó mạng lưới thần kinh cũng nên được mở rộng (hoặc ký hợp đồng).