Jakie są zalety złożonych sieci neuronowych?

Podczas moich badań natknąłem się na „sieci neuronowe o złożonej wartości”, które są sieciami neuronowymi, które działają z wejściami o wartościach złożonych (prawdopodobnie też wagami). Jakie są zalety (lub po prostu zastosowania) tego rodzaju sieci neuronowej w porównaniu z sieciami neuronowymi o rzeczywistej wartości?

Zgodnie z tym artykułem , ANN o wartościach zespolonych (C-ANN) może rozwiązać problemy, takie jak XOR i wykrywanie symetrii przy mniejszej liczbie warstw niż rzeczywiste ANN (dla obu z nich wystarcza 2-warstwowy C-ANN, podczas gdy 3-warstwowy Wymagany jest R-ANN).

Uważam, że wciąż pozostaje otwarte pytanie, jak użyteczny jest ten wynik w praktyce (np. Czy faktycznie ułatwia znalezienie właściwej topologii), więc obecnie kluczową praktyczną zaletą C-ANN jest to, że są one bliższym modelem domena problemowa.

Obszary zastosowania są wtedy, gdy naturalnie powstają złożone wartości, np. W optyce, przetwarzaniu sygnału / FFT lub elektrotechnice.