Ventajas y desventajas de ANN en minería de datos

Las redes neuronales son una serie de algoritmos que actúan como un cerebro humano para reconocer patrones y entre grandes cantidades de datos. Una red neuronal artificial (ANN), también denominada simplemente «Red neuronal» (NN), podría ser un modelo de proceso respaldado por redes neuronales biológicas. Consiste en una colección interconectada de neuronas artificiales. Una red neuronal es un conjunto de unidades de entrada/salida conectadas donde cada conexión tiene un peso asociado. Durante la fase de conocimiento, la red adquiere ajustando los pesos para poder predecir la etiqueta de clase correcta de las muestras de entrada. El aprendizaje de redes neuronales también se denomina aprendizaje conexionista, debido a las conexiones entre unidades. Las redes neuronales implican largos tiempos de entrenamiento y, por lo tanto, son más apropiadas para aplicaciones donde esto es factible. Requieren una serie de parámetros que, por lo general, se determinan mejor empíricamente, como la topología o la «estructura» de la red. Las redes neuronales han sido criticadas por su pobre interpretabilidad, ya que es difícil para los humanos tomar el significado simbólico detrás de los pesos aprendidos. En primer lugar, estas características hicieron que las redes neuronales fueran menos deseables para la minería de datos.

Ventajas de las Redes Neuronales Artificiales

• Las redes neuronales artificiales tienen la capacidad de proporcionar los datos para que se procesen en paralelo, lo que significa que pueden manejar más de una tarea al mismo tiempo.
• Las redes neuronales artificiales han estado en resistencia. Esto significa que la pérdida de una o más células, o redes neuronales, influye en el rendimiento de las redes neuronales artificiales.
• Las redes neuronales artificiales se utilizan para almacenar información en la red de modo que, incluso en ausencia de un par de datos, no significa que la red no esté generando resultados.
• Las redes neuronales artificiales se están descomponiendo gradualmente, lo que significa que no dejarán de funcionar repentinamente y estas redes se están descomponiendo gradualmente.
• Podemos entrenar ANN para que estas redes aprendan de eventos pasados ​​y tomen decisiones.

 

Desventajas de las redes neuronales artificiales

• Como mencionamos antes, con los brazos ANN colgando junto con la ejecución del procesamiento paralelo, necesitan procesadores que admitan el procesamiento paralelo, por lo que las ANN dependen del hardware.
• Dado que es similar a la funcionalidad del cerebro humano, es posible que no podamos determinar cuál es la estructura de red adecuada de una red neuronal artificial.
• No solo las redes neuronales artificiales, sino que también los modelos estadísticos se pueden entrenar solo con datos numéricos, por lo que es muy difícil para ANN comprender la declaración del problema.
• Cuando una red neuronal artificial que proporciona una solución al problema afirma que realmente no sabemos sobre qué base dará la solución, y esta vez, ANN no es una red confiable.