按年被提到
20182018 · 1 次2026
机器学习与深度学习›神经科学启发的 AI·arXiv:1809.02942 · nlin.CG

Cellular automata as convolutional neural networks

作为卷积神经网络的元胞自动机
William Gilpin · 2018

证明任意元胞自动机都可用卷积网络表示并让网络学出规则

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 3 人首次 2018-09-30 · 最近 2025-08-26
3不同的人
3活跃月份
3讨论串
94被引(OpenAlex)

论文探讨神经网络如何编码和表示动力学规则,以元胞自动机(CA)为研究对象:证明任何 CA 都能用 network-in-network 结构的卷积神经网络表示,并据此提出通用的卷积多层感知机架构,给定 CA 视频作训练数据即可学到任意 CA 的动力学规则。作者训练了大量随机 CA 的网络集合,用基于层激活模式分布的信息论方法探查内部表示,发现规则表更简单的 CA 训练出的网络有层级结构和层专门化,而更复杂的 CA 则得到更浅的表示。

HN 为什么提它

HN 评论者把它列为关于元胞自动机可以用卷积神经网络表示的有趣论文之一,但引用时没有展开具体论述。

实证研究难度 3 / 5约 60 分钟经得起时间
读之前最好知道
1元胞自动机(cellular automata,如 Conway 生命游戏)
2卷积神经网络
3多层感知机与 network-in-network
4信息论基础(熵)

学习路径

读这篇之前,按顺序读书架上的 1 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

真正相关的候选很少,只有一篇讨论用神经网络表示复杂物理系统,勉强算前置背景;目标论文本身以卷积网络和元胞自动机为核心。

  1. 1

    同属用神经网络表示物理系统的研究,可作为目标论文所处背景的参考,关系较松散。

    读神经网络如何作为复杂系统状态的表示,只需抓大意。

  2. 2
    Cellular automata as convolutional neural networks作为卷积神经网络的元胞自动机 · 2018 · 就是这篇

    目标论文:证明任何元胞自动机都可用卷积网络表示并让网络学出规则。

    读元胞自动机规则到卷积网络(network-in-network)的构造,以及网络如何学出规则。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐friedchips · 2025-08

“Anyway, some interesting papers from back then:”

列为当年有趣的论文,元胞自动机可表示为 CNN
Neural Nets vs. Cellular Automata原评论 ↗
被提交为 story · 2 次