¿Es la evaluación de funciones por red neuronal más rápida que la expresión analítica de la función en sí?
Suponiendo que la función analítica no es lineal como sin (x), me interesa saber si la evaluación matemática de la función como sin (x) por la expansión de la serie de Taylor más rápida o más lenta que la evaluación de la correspondiente aproximación de sin (x) a través de redes neuronales, con las mismas entradas?
La complejidad de la computación es menor en las redes neuronales debido a su naturaleza paralela, por lo que ¿se puede evaluar la función más rápidamente mediante redes neuronales? Entonces, para generalizarlo, ¿siempre es bueno tener funciones costosas convertidas a sus contrapartes de red neuronal correspondientes para que puedan evaluarse más rápido para cualquier rango de entradas?
Respuestas
La precisión de la aproximación de funciones que puede obtener con redes neuronales es muy pobre (una red neuronal realiza una interpolación torpe). Además, la evaluación de una sola función sigmoidea puede ser tan costosa como la evaluación de una función sinusoidal.
Nunca hagas eso.
Con un coprocesador matemático, incluso una aproximación polinomial simple sería superada por la función incorporada.