Se os padrões para o que é uma rede neural são mantidos consistentes, as redes neurais celulares provavelmente devem ser consideradas um tipo de rede neural.
O fato de duas camadas adjacentes estarem totalmente conectadas não é considerado um requisito do que as pessoas consideram redes neurais. Algumas redes de atenção, a maioria dos kernels de convolução e vários outros tipos de redes não estão exaustivamente conectados.
A conectividade exaustiva é uma carga no tempo de computação que só é valiosa nos casos em que a função exige. Nos casos em que o valor do parâmetro para a conexão possa ser sempre zero, não há necessidade do potencial. Nos casos em que raramente é diferente de zero, o benefício do potencial pode superar o ganho de tê-lo.
Existem muitos tipos de redes que não estão exaustivamente conectadas na ciência da computação, e os neurônios biológicos estão parcialmente conectados. Os axônios dos neurônios biológicos podem crescer através de uma camada adjacente e se conectar a uma camada distante.
No artigo de Chua, foi demonstrado que as redes neurais celulares convergem sob condições específicas, assim como em outros tipos de redes neurais. Não há alegação de que eles aprendem como os humanos aprendem, e não usam a mesma propagação para trás e descida gradiente que os MLPs usam, mas eles melhoram gradualmente, que é o único critério comum nas muitas formas de redes de aprendizagem artificiais.
As redes neurais celulares não se encaixam no que geralmente se pensa quando as pessoas usam o termo aprendizado não supervisionado, no entanto, elas não são supervisionadas e exibem a mesma melhoria incremental que outras redes não supervisionadas exibem.
Parte do problema com esses nomes é que o jargão especializado se forma quando apenas um tipo de coisa se torna popular, atribuindo o nome a algo mais específico do que as palavras no nome implicam. As redes neurais celulares podem não ser exemplos de aprendizado não supervisionado, mas aprendem a funcionar melhor sem supervisão.