1
A
回答
1
不知道我完全理解你的問題,但對於SVM以及其作爲凸優化問題視圖 - 你可以閱讀這篇短文: http://www.cs.cmu.edu/~epxing/Class/10701-08s/recitation/svm.pdf
爲什麼人工神經網絡的成本函數非凸的是在這裏找到答案(特別好從羅蘭先生)回答: https://stats.stackexchange.com/questions/106334/cost-function-of-neural-network-is-non-convex
相關問題
- 1. 從神經網絡的不同成本函數和激活函數中選擇
- 2. Scipy優化算法? (用於最小化神經網絡成本函數) - python
- 3. 優化的Hopfield神經網絡
- 4. 如何實現卷積神經網絡的L2正則化成本函數
- 5. 最佳神經網絡優化算法
- 6. Python神經網絡來優化AUC
- 7. 神經網絡準確性優化
- 8. 神經網絡性能優化
- 9. 遺傳算法神經網絡優化
- 10. 2-Dence神經網絡精度優化
- 11. 神經網絡權重和成本變化,但不是它的準確性
- 12. 神經網絡和異或函數
- 13. 如何創建卷積神經網絡的優化設計
- 14. 神經網絡中權重的意義和規範化函數
- 15. 神經網絡輸入數據的優化
- 16. 神經網絡,不支持SVM的好結果;值得關注?
- 17. 如何利用遺傳算法優化神經網絡?
- 18. 二元分類成本函數,神經網絡
- 19. 的神經網絡
- 20. 迴歸神經網絡是一個神經網絡鏈嗎?
- 21. 神經網絡
- 22. 神經網絡
- 23. 如何使用神經網絡與simulink和神經網絡工具箱
- 24. 神經網絡正弦函數
- 25. 神經網絡逼近函數
- 26. Pybrain神經網絡步傳遞函數
- 27. 神經網絡雙曲線函數
- 28. 人工神經網絡激活函數
- 29. 神經網絡(FFW,BP) - 函數逼近
- 30. 使用神經網絡生成數據
感謝您的回答。但是我一直在尋找那個凸面和其他不凸的背後的直覺。 SVM和神經網絡都具有平方誤差加正則化項的成本函數。是的,答案中的鏈接確實提供了一些提示。 – prashanth