ANN (Artificial Neural Networks) und SVM (Support Vector Machines) sind zwei beliebte Strategien für überwachtes maschinelles Lernen und Klassifizieren. Es ist nicht oft klar, welche Methode für ein bestimmtes Projekt besser ist, und ich bin mir sicher, dass die Antwort immer "es kommt darauf an". Oft wird eine Kombination von beiden zusammen mit der Bayes'schen Klassifikation verwendet.

Diese Fragen zu Stackoverflow wurden bereits in Bezug auf ANN vs SVM gestellt:

ANN- und SVM-Klassifizierung

Was ist der Unterschied zwischen ANN, SVM und KNN in meiner Klassifizierungsfrage

Unterstützen Sie Vector Machine oder Artificial Neural Network für die Textverarbeitung?

In dieser Frage würde ich gerne wissenspeziell Welche Aspekte eines ANN (insbesondere eines Multilayer-Perceptrons) könnten die Verwendung über eine SVM wünschenswert machen? Der Grund, den ich frage, ist, weil es einfach ist, das zu beantwortenGegenteil frage: Support Vector Machines sind ANNs oft überlegen, weil sie zwei große Schwächen von ANNs vermeiden:

(1) ANNs laufen häufig zusammenlokale Minima anstatt globaler Minima, was bedeutet, dass ihnen manchmal im Wesentlichen das Gesamtbild fehlt (oder der Wald vor lauter Bäumen fehlt)

(2) ANNs oftÜberanpassung Wenn das Training zu lange dauert, was bedeutet, dass ein ANN das Rauschen für ein bestimmtes Muster möglicherweise als Teil des Musters betrachtet.

SVMs leiden nicht unter einem dieser beiden Probleme. Es ist jedoch nicht ohne weiteres ersichtlich, dass SVMs als vollständiger Ersatz für ANNs gedacht sind. Na undSpezifisch Vorteile, die eine ANN gegenüber einer SVM hat, die sie möglicherweise für bestimmte Situationen anwendbar macht? Ich habe aufgelistetSpezifisch Vorteile einer SVM gegenüber einer ANN, jetzt möchte ich eine Liste der ANN-Vorteile sehen (falls vorhanden).