ข้อดีของเครือข่ายประสาทที่มีมูลค่าซับซ้อนคืออะไร


11

ในระหว่างการวิจัยของฉันฉันได้พบกับ "เครือข่ายประสาทที่มีค่าเชิงซ้อน" ซึ่งเป็นเครือข่ายประสาทที่ทำงานกับอินพุตที่มีมูลค่าเชิงซ้อน (อาจมีน้ำหนักมากเกินไป) อะไรคือข้อดี (หรือเพียงแค่การใช้งาน) ของโครงข่ายประสาทเทียมประเภทนี้ผ่านเครือข่ายประสาทเทียมที่มีมูลค่าจริง

คำตอบ:


8

จากบทความนี้ ANNs ที่มีมูลค่าซับซ้อน (C-ANNs) สามารถแก้ปัญหาเช่น XOR และการตรวจจับแบบสมมาตรที่มีจำนวนชั้นที่น้อยกว่า ANNs จริง (สำหรับทั้งสองนี้เป็น C-ANN 2 ชั้นในขณะที่ 3-layer จำเป็นต้องใช้ R-ANN)

ฉันเชื่อว่ามันยังคงเป็นคำถามที่เปิดกว้างว่าประโยชน์นี้มีประโยชน์อย่างไรในทางปฏิบัติ (เช่นจริง ๆ แล้วทำให้การค้นหาโทโพโลยีที่ถูกต้องง่ายขึ้น) ดังนั้นในปัจจุบันประโยชน์หลัก ๆ ของ C-ANNs คือเมื่อพวกมันเป็นแบบจำลอง โดเมนปัญหา

พื้นที่การใช้งานนั้นมีค่าที่ซับซ้อนเกิดขึ้นตามธรรมชาติเช่นในระบบออปติกการประมวลผลสัญญาณ / FFT หรือวิศวกรรมไฟฟ้า


สิ่งใดที่ จำกัด แอปพลิเคชันในโดเมนที่ค่าที่ซับซ้อนไม่ได้เกิดขึ้น "ตามธรรมชาติ"
dynrepsys

@dynrepsys ความรู้ที่ดีที่สุดของฉันไม่มีอะไรถึงแม้ว่าการมีอินพุตที่ซับซ้อนในโดเมนที่มีคุณค่าจริง ๆ ดูเหมือนจะเป็นทางเลือกที่แปลก
NietzscheanAI

สามารถใช้เป็นน้ำหนักโดยไม่ต้องใช้เป็นอินพุตได้หรือไม่?
dynrepsys

@dynrepsys ฉันเชื่อเช่นนั้น
NietzscheanAI

เพียงหมายเหตุด้าน - การใช้ตุ้มน้ำหนักและการเปิดใช้งานที่ซับซ้อนซึ่งมีมูลค่าสูงนั้นเป็นแพลตฟอร์มและภาษาบางอย่างที่น่าอึดอัดใจเนื่องจากหลายคนขาดการสนับสนุนสำหรับประเภทข้อมูลที่มีมูลค่าซับซ้อน ในบางอย่างเช่น C #, VB.net, T-SQL และอื่น ๆ ที่ฉันคุ้นเคยมีวิธีแก้ไขปัญหาต่าง ๆ เช่นการใช้ structs คลาสและประเภทที่ผู้ใช้กำหนดเอง (UDT) แต่มักจะไม่เหมือนกับที่มีในตัว ในการสนับสนุนประเภทข้อมูล โดยส่วนตัวฉันพบว่ามันง่ายกว่าในการสร้างแบบจำลองของน้ำหนักและการเปิดใช้งานที่ซับซ้อนโดยเพียงแค่ใช้สองชนิด (หรือมากกว่า) ข้อมูลที่มีค่าจริงหนึ่งสำหรับแต่ละแกน แม้ว่า YMMV ขึ้นอยู่กับแอปพลิเคชัน ...
SQLServerSteve
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.