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，因此感知器不会这样做。您需要一个多层感知器（MLP）。一般而言，MLP更常用，因为它们可以完成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。 Noli暗示了一些有趣的东西，但方式更复杂 - 如果将数据投影到非常高的维度空间（Cover's定理），则数据集会以高概率线性分离。这是使用支持向量机的动机。

总之，没有自然的选择，它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”