選擇正確類型的神經網絡

我有一個監督學習問題，其中我的算法將被給予一組訓練示例，用於瞭解形狀是否爲方形圓。我想知道哪種ANN是最好的。我知道，如果數據是線性可分的，你可以選擇一個感知器。當然，我可以很容易地有一個超平面把我的正方形和圓圈分開了嗎？那麼感知器是不是一個足夠好的選擇？但是，不是多層前饋網絡更常用？什麼是自然選擇，爲什麼？選擇正確類型的神經網絡

下圖顯示了給予系統的訓練數據。 NN需要將二維數據A = [a1，a2]分類爲正方形和圓形。

enter image description here

謝謝。

來源

2011-04-22 ale

我認爲這取決於你對數據的表達。你使用什麼表示？ – 2011-04-22 10:17:58

@static_rtti - 請參閱我添加的圖片，這應該回答您的評論。謝謝：）。 – ale 2011-04-22 10:33:33

那麼，我想這會回答你關於分離超平面存在的問題：你是否看到一條分隔兩個類的線？ – 2011-04-22 10:59:30

的數據集，您提供的是不是線性可分離由A1和A2跨越的空間，所以感知不會做。你需要一個多層感知器（MLP）。一般來說，MLP更經常使用，因爲它們可以做單層感知器可以做的所有事情（查找通用逼近定理）。徑向基函數也可以完成這項工作。 Noli暗示有趣的東西，但方式更復雜 - 如果投影到非常高維的空間（Cover定理），數據集將以高概率線性分離。這是使用支持向量機的動機。

總之，沒有自然選擇，它完全問題具體。實驗。我的講師曾經說過「交叉驗證是你的朋友」

來源

2011-04-24 09:11:12 mbatchkarov