选择正确类型的神经网络

Question

我有一个监督学习问题,我的算法将给出一组训练样例,用于学习形状是否为方形圆.我想知道哪种类型的ANN是最好的.我知道如果数据是线性可分的,你可以选择一个感知器.当然,我可以很容易地得到一个超平面,将我的方块和圆圈分开？那么感知器不是一个足够好的选择吗？但是,多层前馈网络不是更常用的？什么是自然选择,为什么？

下图显示了提供给系统的训练数据.NN需要将二维数据A = [a1,a2]分类为正方形和圆形.

谢谢.

Answer 1

您提供的数据集在 a1 和 a2 跨越的空间中不是线性可分的，因此感知器不起作用。您需要一个多层感知器 (MLP)。一般来说，MLP 的使用更频繁，因为它们可以做单层感知器可以做的所有事情（查找通用逼近定理）。径向基函数也可以完成这项工作。诺利暗示了一些有趣的事情，但更复杂——如果将数据集投影到非常非常高的维度空间（覆盖定理），数据集就会以高概率线性可分。这就是使用支持向量机的动机。

总而言之，没有自然选择，这完全是针对特定问题的。实验。我的一位讲师曾经说过“交叉验证是你的朋友”