Definition
奇偶校验学习是机器学习理论中的一个基准问题，目标是预测一组二进制输入变量的奇偶性（即异或和）。对于标准的浅层前馈神经网络来说，这个问题 notoriously difficult（以困难著称），因为它需要捕捉长距离依赖关系，从而常被用来评估神经网络的容量和优化算法的鲁棒性。
Summary
一个理论机器学习问题，专注于预测二进制输入的异或（XOR）和，用于测试模型的表达能力。
Key Concepts
- 异或问题
- 模型表达能力
- 二分类
- 长距离依赖
Use Cases
- 评估神经网络容量
- 测试优化算法的鲁棒性
- 研究循环神经网络的能力