En general, ¿cómo aumenta la funcionalidad de una red neuronal a medida que aumenta la potencia de procesamiento? Por ejemplo, parece razonable que en ciertas tareas una "división del trabajo" pueda duplicar la velocidad de respuesta si se utiliza el doble de potencia. ¿Esto es cierto en general?
Las redes neuronales convencionales son solo de avance; El tiempo de respuesta es proporcional al número de capas en la red. Agregar más neuronas horizontalmente no lo acelerará y puede ralentizarlo.
En general, una red neuronal está dimensionada para lograr un objetivo como la precisión, la precisión, la recuperación, etc., relacionado con la tarea de aprendizaje automático. Al aumentar o reducir el tamaño de la capa oculta, estaría más preocupado por la variación, el sesgo, etc. que por la potencia y la velocidad.
Algunas veces se usan NN múltiples; p.ej. en un problema de clasificación multiclase, pero generalmente porque eso mejora la medida del rendimiento en la tarea. En una aplicación en tiempo real puede ser útil priorizar la velocidad de la red neuronal, pero esto sería una preocupación secundaria para el desempeño de la tarea.
Lea otras preguntas en las etiquetas network