Rojas によるニューラル ネットワークに関する本を読んでいるときに、パーセプトロンと加重 McCulloch-Pitts ネットワークは同じだと思っていたので、矛盾しているように思われる 2 つのステートメントを別の場所で見つけました。ステートメントは次のとおりです。
McCulloch–Pitts ネットワークは重み付きエッジを使用しないため、重み付きネットワークが重みなしネットワークよりも一般的かどうかという問題に答える必要があります。簡単な例は、両方の種類のネットワークが同等であることを示しています。
パーセプトロン ネットワークは、重み付けされていない McCulloch-Pitts 要素よりもさらに強力であるため、任意の論理関数を計算できます。
それらはどのように異なりますか？
これらの 2 つのパッセージは、コンテキストを少し取り出したように見えます。あなたの質問に対する答えは、同じ作品にあると思います。
この図は、ネットワークのエッジを必要な回数ファンアウトするだけで、正の有理重みをシミュレートできることを示しています。これは、重み付けされたエッジを使用するか、多くの冗長エッジを使用してネットワークのより複雑なトポロジを使用できることを意味します。
そして後で負の重みについて：
上記のように、重み付けされていないネットワークを使用して、あらゆる種類の論理関数を実装できます。私たちが交換するのは、ネットワークのより複雑なトポロジーのための構成要素の単純さです。
したがって、答えは次のとおりです。重み付けされたエッジを持つネットワークは、より単純で、より統一された構造を持つ傾向があり、重み付けされていないネットワークと比較して、構築とトレーニングが簡単です。
著者の考え (パーセプトロンの力について) は、次の段落で説明されていると思います。
McCulloch-Pitts ユニットを使用して、任意の論理関数を計算し、任意の有限オートマトンをシミュレートできるネットワークを構築できるという結論に達しました [しかし]ネットワークは、使用する前に完全に指定する必要があります。さまざまな問題に合わせて調整できる自由なパラメータはありません。学習は、ネットワークの接続パターンとユニットのしきい値を変更することによってのみ実装できますが、これは数値パラメーターを調整するよりも必然的に複雑になります。
これが、パーセプトロンがより強力である理由です (つまり、柔軟で統一されていることを意味します)。