我遵循https://iamtrask.github.io/2016/02/25/deepminds-neural-stack-machine/中的神经堆栈教程。它的主题是“学习无限记忆的转换”，由Google DeepMind发布。
我粗略地理解了这个提议的模型（上面的网站很容易解释！），但我还没有读过任何其他参考期刊。
教程的最后一个例子是向后输入序列。但是，我想知道为什么我们只是将输入序列分成单词并使用简单的条件循环向后重新排序？ （那不是神经网络）
我的意思是为什么创建隐藏层并操作大量方程只是为了使输入序列向后？使用神经网络有什么好处吗？
无论如何，我会阅读参考期刊。但就目前而言，我只是想知道使用神经网络的原因，而不是简单的条件循环编程;它的优点。
答案 0 :(得分：4)
神经网络/机器学习的目的是将一般算法应用于各种各样的问题，并使用数据和评估函数来有效地生成所需的输出，而无需您自己实际编写代码。
在倒转堆栈的情况下;当然，使用普通代码更容易做到这一点。但关键是你要使用一种通用算法来实现这一点，而不必实际编写堆栈代码。从某种意义上说，机器学习解决方案可以自己写出来。基于训练数据。堆栈是一个简单的例子，向您展示它是如何工作的。