Hmm, no estoy seguro de por qué crees que los ANN son similares a las máquinas de estado, pero la diferencia más importante sería el hecho de que los ANN pueden aprender de los datos. En cierto sentido, son modelos de probabilidad que solo esperan recibir datos que puedan explicar. Suponiendo que está hablando de un ANN que ya se ha aprendido, un ANN es solo una función! Una simple ANN de vainilla es una función determinista que asigna entradas a salidas.
El resultado es que cierta clase de ANN llamada redes neuronales recurrentes se está completando, en el sentido de que pueden aproximarse a cualquier programa con precisión arbitraria. En ese sentido, ¡son mucho más fuertes que las máquinas de estado! Por ejemplo, supongo que es posible entrenar una red neuronal recurrente para identificar paréntesis equilibrados, dada la capacidad suficiente. Para más detalles lea: http://ac.els-cdn.com/0893965991…
- ¿Por qué no hay una red neuronal que diseñe redes neuronales personalizadas?
- ¿Puede la IA predecir el mercado de valores en la India?
- ¿Qué tipo de técnicas de aprendizaje automático utilizará la industria dentro de 10 años?
- Con la presencia de motores de ajedrez avanzados y redes neuronales, ¿pueden los humanos aprender a vencer a las computadoras?
- ¿Cuál es la relación entre el aprendizaje por refuerzo y el aprendizaje contradictorio (por ejemplo, GAN)?