Son muy diferentes en cuanto a su estructura y funcionamiento.
Una red neuronal artificial es básicamente un modelo matemático construido a partir de funciones simples con parámetros cambiantes.
- En finanzas cuantitativas, ¿hay alguna analogía entre la optimización de la cartera y el análisis de componentes principales?
- ¿Por qué utilizamos la política codiciosa de epsilon para la evaluación en el aprendizaje por refuerzo?
- Cómo decidir el tamaño de la muestra para el aprendizaje automático con datos de series temporales
- ¿Podría la renormalización de lotes reemplazar la normalización de lotes virtual en las GAN?
- ¿Cuál es la diferencia entre un clasificador Naive Bayes y AODE?
Al igual que una neurona biológica tiene dendritas para recibir señales, un cuerpo celular para procesarlas y un axón para enviar señales a otras neuronas, la neurona artificial tiene varios canales de entrada, una etapa de procesamiento y una salida que puede desplegarse a múltiples otras neuronas artificiales.
ANN está esencialmente tratando de imitar NN en un entorno muy básico.
Las principales diferencias entre estos dos son:
- Campo de aplicación: las ANN están especializadas . Pueden realizar una tarea. Pueden ser perfectos para jugar al ajedrez, pero fallan al jugar go (o viceversa). Las redes neuronales biológicas pueden aprender tareas completamente nuevas.
- Transporte y procesamiento de señales : el cerebro humano funciona de forma asincrónica, los ANN funcionan de forma sincronizada.
- Conteo de parámetros : los humanos tienen muchos miles de millones (businessinsider.de escribe “1,000 trillones”) de parámetros ajustables. Incluso los ANN más complicados solo tienen varios millones de parámetros que se pueden aprender.
- Algoritmo de entrenamiento : los ANN usan el Descenso de gradiente para aprender. Los cerebros humanos usan algo diferente (pero no sabemos qué)
- Velocidad de procesamiento : las neuronas biológicas individuales son lentas, mientras que las neuronas estándar en ANN son rápidas. (Sí, no confundí a los dos. Los artificiales son más rápidos. E ignoro las redes de picos ya que no vi un solo ejemplo en el que realmente sean útiles)
- Topología : las redes neuronales biológicas tienen topologías complicadas, mientras que las ANN a menudo se encuentran en una estructura de árbol (soy consciente de las redes recurrentes, todavía son bastante simples por su estructura)
- Consumo de energía : las redes neuronales biológicas usan muy poca energía en comparación con las redes artificiales.
- Tiempo de entrenamiento : las redes biológicas generalmente no detienen / comienzan a aprender. Las ANN tienen diferentes fases de adaptación (entrenamiento) y predicción (evaluación).
Son muy diferentes y es muy interesante ver cuán diferente ANN ve este mundo.
Dejándote con algunas imágenes increíbles de cómo ANN ve este mundo.
Espero que esto ayude.