Relpp <n...@m...px> wrote in news:gbbflh$r6l$2@news.onet.pl:

> Zlozonosc obliczeniowa jest zawsze
> identyczna, bez względu czy siec rozwiazuje zadanie do krórego
> wystarczylby jeden perceptron czy zadanie przewyzszajace jej mozliwosci.

sieci neuronowe to nie tylko perceptron (siec jednokierunkowa)

to takze, a wlasciwie przede wszystkim, sieci REKURENCYJNE,
asocjacyjne, np. model Hopfielda (rozmyte rozpoznawania wzorcow), Maszyna
Boltzmana,
samoorganizujace sie, itd.

takim podobne wystepuja najwiecej w przyrodzie

ale jesli juz mowa o perceptronie to w jednym z algorytmow uczenia go
wystepuje znany mechanizm "neuron trimming" - poprawiajacy zdolnosc
generalizacji (a wiec skutecznosci)
przypomne, ze juz po wyuczeniu - chodzi o pozbycie sie neuronow
odpowiedzialnych za "zbyt wierne" odwzorowanie hiperplaszczyzny
aproksymacyjnej i to polepsza "trafnosc decycyjna" sieci

--
Y?