Sortieren Sie Zahlen mit nur 2 versteckten Ebenen

Ich lese das Eckpfeiler Sequence to Sequence Learning mit neuronalen Netzen von Ilya Sutskever und Quoc Le. Auf der ersten Seite wird kurz erwähnt, dass:

A surprising example of the power of DNNs is their ability to sort
N N-bit numbers using only 2 hidden layers of quadratic size 

Kann jemand kurz skizzieren, wie man Zahlen mit nur 2 versteckten Ebenen sortiert?

Bei einigen Recherchen habe ich ein Papier gefunden, das beweist, dass das Sortieren mit höchstens drei Schichten durchgeführt werden kann und dass ihre Lösung optimal ist, wenn Sie die Größe des Netzwerks auf die Anzahl der Eingangsnummern als Polynom beschränken:

Tiefeneffiziente neuronale Netze für Teilungs- und verwandte Probleme , siehe Satz 7 auf Seite 955 (Seite 10 im PDF).

Ich würde mir vorstellen, dass man sich Gewichte manuell einfallen lassen könnte, um die Arbeit genau zu erledigen, aber vielleicht geht es darum, eines trainieren zu können? Einige Beispiele:

Wie sortiere ich Zahlen mit Convolutional Neural Network?

https://github.com/primaryobjects/nnsorting