Durante minha pesquisa, deparei-me com "redes neurais de valor complexo", que são redes neurais que funcionam com entradas de valor complexo (provavelmente pesos também). Quais são as vantagens (ou simplesmente as aplicações) desse tipo de rede neural sobre redes neurais de valor real?
De acordo com este artigo , RNAs de valor complexo (C-RNAs) podem resolver problemas como XOR e detecção de simetria com um número menor de camadas do que as RNAs reais (para ambas, basta uma C-RNA de 2 camadas, enquanto uma camada de 3 camadas R-ANN é necessário).
Eu acredito que ainda é uma questão em aberto sobre a utilidade desse resultado na prática (por exemplo, se ele realmente facilita a localização da topologia correta); portanto, atualmente a principal vantagem prática dos C-ANNs é quando eles são um modelo mais próximo para o domínio do problema.
As áreas de aplicação são onde valores complexos surgem naturalmente, por exemplo, em óptica, processamento de sinal / FFT ou engenharia elétrica.