Quels sont les avantages des réseaux de neurones à valeurs complexes?

Au cours de mes recherches, je suis tombé sur des "réseaux de neurones à valeurs complexes", qui sont des réseaux de neurones qui fonctionnent avec des entrées à valeurs complexes (probablement aussi des poids). Quels sont les avantages (ou simplement les applications) de ce type de réseau neuronal par rapport aux réseaux neuronaux à valeur réelle?

neural-networks

— rcpinto
source

Selon cet article , les ANN à valeurs complexes (C-ANN) peuvent résoudre des problèmes tels que la détection XOR et la symétrie avec un plus petit nombre de couches que les ANN réels (pour les deux, un C-ANN à 2 couches suffit, tandis qu'un 3-couche suffit R-ANN est requis).

Je crois que la question de savoir dans quelle mesure ce résultat est utile dans la pratique reste ouverte (par exemple, s'il facilite réellement la recherche de la topologie appropriée), donc à l'heure actuelle, l'avantage pratique clé des C-ANN est de constituer un modèle plus proche pour le domaine problématique.

Les domaines d'application sont alors ceux où les valeurs complexes apparaissent naturellement, par exemple en optique, traitement du signal / FFT ou électrotechnique.

— NietzscheanAI
source

Qu'est-ce qui empêche les applications dans des domaines où les valeurs complexes ne surviennent pas "naturellement"?

— dynrepsys

@dynrepsys Au meilleur de ma connaissance, rien, bien qu'avoir des entrées complexes dans un domaine à valeur réelle semble un choix de conception étrange.

— NietzscheanAI

Pourraient-ils être utilisés en poids sans être utilisés comme intrants?

— dynrepsys

@dynrepsys Je crois que oui.

— NietzscheanAI

Juste une remarque - l'implémentation de pondérations et d'activations à valeur complexe est que certaines plateformes et langages peuvent être gênants, car beaucoup ne prennent pas en charge les types de données à valeur complexe. Dans certains, tels que C #, VB.net, T-SQL et d'autres que je connais, diverses solutions de contournement sont disponibles, comme l'utilisation de structures, de classes et de types définis par l'utilisateur (UDT), mais ce n'est généralement pas la même chose que d'avoir construit- dans la prise en charge des types de données. Personnellement, j'ai trouvé plus facile de modéliser des pondérations et des activations complexes en utilisant simplement deux (ou plus) types de données à valeur réelle, un pour chaque axe. YMMV cependant, en fonction de l'application ...

— SQLServerSteve