Я исследую сотовые нейронные сети и уже прочитал две статьи Чуа ( 1988 ). В клеточных нейронных сетях клетка связана только со своими соседями. Таким образом, его легко использовать для обработки изображений в реальном времени. Обработка изображения выполняется только с 19 числами (две матрицы 3х3, называемые A и B и одно значение смещения).
Интересно, можно ли назвать сотовые нейронные сети нейронными сетями , потому что нет алгоритма обучения. Они не контролируются и не контролируются .
Ответы:
Если стандарты для нейронной сети считаются согласованными, то клеточные нейронные сети, вероятно, следует рассматривать как тип нейронной сети.
То, что два смежных уровня полностью соединены, не считается требованием того, что люди считают нейронными сетями. Некоторые сети внимания, большинство ядер свертки и несколько других типов сетей не являются полностью связанными.
Исчерпывающая связь - это нагрузка на время вычислений, которая полезна только в тех случаях, когда функция требует этого. В тех случаях, когда может быть показано, что значение параметра для соединения всегда равно нулю, потенциал не нужен. В тех случаях, когда он редко равен нулю, польза от потенциала может перевесить выгоду от его наличия.
Существует множество видов сетей, которые не полностью связаны в компьютерной науке, а биологические нейроны частично связаны. Аксоны биологических нейронов могут расти через соседний слой и соединяться с удаленным.
В статье Чуа было показано, что клеточные нейронные сети сходятся при определенных условиях, как и для других типов нейронных сетей. Не утверждается, что они учатся, как люди, и они не используют то же обратное распространение и градиентное спуск, что и MLP, но они постепенно улучшаются, что является единственным общим критерием во многих формах искусственных обучающих сетей.
Сотовые нейронные сети не вписываются в то, о чем обычно думают, когда люди используют термин неконтролируемое обучение, однако они не контролируются и демонстрируют те же дополнительные улучшения, что и другие неконтролируемые сети.
Часть проблемы с этими именами заключается в том, что специализированный жаргон образуется, когда становится популярным только один тип вещи, присваивая имя чему-то более конкретному, чем подразумевают слова в названии. Сотовые нейронные сети не могут быть примерами обучения без учителя, но они учатся функционировать лучше без надзора.