Jeśli standardy tego, czym jest sieć neuronowa, są zgodne, wówczas komórkowe sieci neuronowe należy prawdopodobnie uznać za rodzaj sieci neuronowej.
Że dwie sąsiednie warstwy są w pełni połączone, nie jest uważane za wymóg tego, co ludzie uważają za sieci neuronowe. Niektóre sieci uwagi, większość jąder splotu i kilka innych rodzajów sieci nie są wyczerpująco połączone.
Wyczerpująca łączność jest obciążeniem dla czasu obliczeń, które jest cenne tylko w przypadkach, gdy wymaga tego funkcja. W przypadkach, w których wartość parametru dla połączenia może być zawsze równa zero, potencjał nie jest potrzebny. W przypadkach, gdy rzadko jest on niezerowy, korzyść z potencjału może przeważać nad zyskiem z jego posiadania.
Istnieje wiele rodzajów sieci, które nie są wyczerpująco połączone w informatyce, a neurony biologiczne są częściowo połączone. Aksony neuronów biologicznych mogą rosnąć przez sąsiednie warstwy i łączyć się z odległymi.
W pracy Chui wykazano, że komórkowe sieci neuronowe zbiegają się w określonych warunkach, podobnie jak w przypadku innych typów sieci neuronowych. Nie ma twierdzenia, że uczą się tak, jak ludzie, i nie używają tej samej propagacji wstecznej i spadku gradientu, z której korzystają MLP, ale stopniowo się poprawiają, co jest jedynym powszechnym kryterium w wielu formach sztucznych sieci uczenia się.
Komórkowe sieci neuronowe nie pasują do tego, co się powszechnie myśli, gdy ludzie używają terminu uczenia się bez nadzoru, jednak nie są nadzorowani i wykazują taką samą stopniową poprawę, jak inne sieci bez nadzoru.
Częścią problemu z tymi nazwami jest to, że specjalistyczne żargony tworzą się, gdy tylko jeden rodzaj rzeczy staje się popularny, przypisując nazwę do czegoś bardziej szczegółowego niż sugerują to słowa w nazwie. Komórkowe sieci neuronowe mogą nie być przykładem uczenia się bez nadzoru, ale uczą się lepiej funkcjonować bez nadzoru.