これはヴォルフラム科学会議から野心的な質問です:再帰関数のネットワークアナログなどがそのようなことですか?多分反復的な "map-reduce"パターンのようなものでしょうか?反復に対話を追加すると、複雑になります。多数の対話するエンティティを連続して反復すると、非常に複雑な結果が生成される可能性があります。複雑なシステムを定義する無数の相互作用の結果を見る方法を持つことはいいことです。ネストされた伝搬ループを含む接続されたノードの反復的なネットワークで再帰関数の対応を見つけることはできますか?再帰関数のネットワークアナログとは何ですか?
分散計算の基本的なパターンの一つは、地図-削減である:それはセルオートマトン(CA)とニューラルネットワーク(NN)で見つけることができます。 NNのニューロンは、シナプスを介して情報を収集し(還元)、それを他のニューロンに送る(マップ)。 CAのセルは同様に動作し、近隣の人から情報を収集し(削減)、移行ルールを適用して(削減)、近隣の人に結果を再度提供します。したがって、> <に再帰関数のネットワークアナログがある場合、Map-Reduceは確かにその重要な部分です。どのような反復的な「マップ・リダクション」パターンが存在しますか?特定の種類の「マップ削減」パターンは、特定の種類のストリームや渦や渦を発生させますか?マップ・リダクション・パターンの微積分を定式化できますか?
興味深い答えを改善拘束力のある問題がその問題に関係しているかどうかは不明です。 – 0x4a6f4672
map-reduceは、主にGoogleとHadoopに関連する非常に特殊な用語です。私は彼らが分散システムで非常に基本的なことを発見したと思うかもしれません、[対話型計算の基本的な抽象化](http://bit.ly/myDCUJ)。ニューラルネットワークでは、最下位のニューロン間での情報の伸張と折り畳み、真ん中の神経アセンブリのマージと分割、情報の収集、それを最上位の決定まで減らすなど、さまざまなレベルでマップ削減パターンがあります。非常に基本的なものがあります。 – 0x4a6f4672