Trong quá trình nghiên cứu, tôi đã vấp phải "mạng nơ ron có giá trị phức tạp", đó là mạng nơ ron hoạt động với đầu vào có giá trị phức tạp (có lẽ cũng có trọng lượng). Những lợi thế (hoặc đơn giản là các ứng dụng) của loại mạng thần kinh này so với các mạng thần kinh có giá trị thực là gì?
Câu trả lời:
Theo bài báo này , các ANN có giá trị phức tạp (C-ANN) có thể giải quyết các vấn đề như XOR và phát hiện đối xứng với số lớp nhỏ hơn so với ANN thực (đối với cả hai lớp C-ANN 2 lớp này, trong khi cả 3 lớp R-ANN là bắt buộc).
Tôi tin rằng đây vẫn là một câu hỏi mở về việc kết quả này hữu ích như thế nào trong thực tế (ví dụ: liệu nó có thực sự giúp tìm ra cấu trúc liên kết phù hợp dễ dàng hơn không), vì vậy hiện tại lợi thế thực tế quan trọng của C-ANN là khi chúng là mô hình gần gũi hơn cho miền vấn đề.
Các lĩnh vực ứng dụng sau đó là nơi phát sinh các giá trị phức tạp một cách tự nhiên, ví dụ như trong quang học, xử lý tín hiệu / FFT hoặc kỹ thuật điện.