ANN (Redes Neurais Artificiais) e SVM (Support Vector Machines) são duas estratégias populares para aprendizagem e classificação de máquinas supervisionadas. Não é sempre claro qual método é melhor para um projeto específico, e tenho certeza de que a resposta é sempre "depende". Muitas vezes, uma combinação de ambos, juntamente com a classificação bayesiana, é usada.

Estas questões sobre Stackoverflow já foram perguntadas sobre ANN vs SVM:

Classificação de ANN e SVM

qual a diferença entre ANN, SVM e KNN na minha questão de classificação

Suporte Vector Machine ou Rede Neural Artificial para processamento de texto?

Nesta questão, gostaria de saberespecificamente que aspectos de uma RNA (especificamente, um Multilayer Perceptron) podem tornar desejável o uso de uma SVM? A razão pela qual eu pergunto é porque é fácil responderoposto pergunta: As máquinas de vetor de suporte são frequentemente superiores às RNAs porque evitam duas grandes fraquezas das RNAs:

(1) As RNAs convergem frequentementemínimos locais ao invés de mínimos globais, o que significa que eles estão essencialmente "perdendo o quadro geral" às vezes (ou faltando a floresta para as árvores)

(2) ANNs frequentementeoverfit se o treinamento durar muito tempo, o que significa que, para qualquer padrão, uma RNA pode começar a considerar o ruído como parte do padrão.

SVMs não sofrem de nenhum desses dois problemas. No entanto, não é evidente que as SVMs sejam um substituto total para as RNAs. E daíespecífico vantagem (s) uma ANN tem sobre uma SVM que pode torná-la aplicável a certas situações? Eu listeiespecífico vantagens de um SVM sobre um ANN, agora eu gostaria de ver uma lista de vantagens de ANN (se houver).