Hay una diferencia, cada neurona en una capa es un detector de características y tener 1 vs 100 puede ser una gran diferencia. La idea de tener múltiples neuronas en una sola capa es hacer que esas neuronas aprendan representaciones compactas de los datos de entrenamiento.
Piense en un ejemplo simple, tengo señales en un dominio particular que pueden ser escasamente representadas por las características K. Entonces, una combinación lineal o no lineal de estas representaciones dispersas puede formar cualquier señal en ese dominio. Suponiendo un NN con una capa de entrada, una capa oculta con K nodos y una capa de salida.
Ahora entreno esta red, la capa oculta aprenderá esas características dispersas de K para esta situación hipotética particular, los nodos en la capa de salida solo harán una suma ponderada para regenerar la señal o tomar decisiones.
- Dado que los trabajos relacionados con la inteligencia artificial casi siempre requieren varios años de experiencia, ¿con qué comienzan las personas si quieren trabajar en IA?
- ¿Cuál es el futuro en el campo de la economía? ¿Cuánto se verán afectados los trabajos debido a la IA y la tecnología? ¿Que Consejo tienes?
- ¿Puede la IA predecir el mercado de valores en la India?
- ¿Qué trabajos realizados por las Cámaras del Congreso de EE. UU. Pueden ser mejor atendidos por AI?
- ¿Cómo será la progresión natural del aprendizaje automático? ¿Qué industrias tendrá más aplicaciones?
Por lo tanto, los múltiples nodos en una capa hacen posible que esa capa aprenda un pequeño conjunto de características que pueden ser útiles para que la red tome decisiones. Es una especie de componentes principales, aunque las características aprendidas normalmente nunca son ortogonales.
Así, cada capa aprende un espacio de características en el que se proyecta una señal y para un NN, múltiples proyecciones no lineales son importantes para producir una salida deseable. Sin múltiples neuronas en las capas, sería casi imposible aprender el espacio de características apropiado para proyectar la señal.
Espero que esto ayude.