ANN (Artificial Neural Networks) และ SVM (Support Vector Machines) เป็นสองกลยุทธ์ยอดนิยมสำหรับการเรียนรู้และการจัดหมวดหมู่ของเครื่อง มักไม่ค่อยชัดเจนว่าวิธีใดดีกว่าสำหรับโครงการใดโครงการหนึ่งและฉันมั่นใจว่าคำตอบนั้นมักจะ "ขึ้นอยู่กับ" บ่อยครั้งที่มีการใช้ทั้งสองอย่างร่วมกันกับการจำแนกแบบเบย์
คำถามเหล่านี้ใน Stackoverflow ถูกถามเกี่ยวกับ ANN vs SVM:
ความแตกต่างระหว่าง ANN, SVM และ KNN ในคำถามการจัดหมวดหมู่ของฉันคืออะไร
รองรับ Vector Machine หรือ Neural Network สำหรับการประมวลผลข้อความหรือไม่?
ในคำถามนี้ฉันต้องการทราบอย่างชัดเจนว่า ANN (โดยเฉพาะ Multilayer Perceptron) ด้านใดที่อาจทำให้เป็นที่พึงปรารถนาที่จะใช้กับ SVM เหตุผลที่ฉันถามก็เพราะว่ามันง่ายที่จะตอบคำถามตรงข้าม : เครื่องเวกเตอร์สนับสนุนมักจะดีกว่า ANNs เพราะพวกเขาหลีกเลี่ยงจุดอ่อนที่สำคัญสองประการของ ANNs:
(1) ANN มักจะมาบรรจบกันที่minima ท้องถิ่นมากกว่าminimaทั่วโลกซึ่งหมายความว่าพวกเขากำลัง "ขาดภาพใหญ่" บางครั้ง (หรือขาดป่าเพื่อต้นไม้)
(2) ANNs มักจะเกินความเหมาะสมหากการฝึกอบรมใช้เวลานานเกินไปซึ่งหมายความว่าสำหรับรูปแบบที่กำหนดใด ๆ ANN อาจเริ่มพิจารณาเสียงดังเป็นส่วนหนึ่งของแบบแผน
SVM ไม่ประสบปัญหาทั้งสองอย่างใดอย่างหนึ่ง อย่างไรก็ตามไม่มีความชัดเจนว่า SVM นั้นมีความหมายที่จะแทนที่ทั้งหมดสำหรับ ANN ดังนั้นANN มีข้อได้เปรียบเฉพาะอะไรบ้างที่มีมากกว่า SVM ที่อาจทำให้สามารถใช้งานได้ในบางสถานการณ์ ฉันแสดงรายการข้อดีเฉพาะของ SVM ผ่าน ANN ตอนนี้ฉันต้องการดูรายการข้อดีของ ANN (ถ้ามี)