模式識(shí)別中神經(jīng)網(wǎng)絡(luò)與SVM比，有優(yōu)勢(shì)么？如果有，在哪里呢？在數(shù)據(jù)量大、數(shù)據(jù)連續(xù)的情況下，一般來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)是比較好的。隨機(jī)森林適用于不可微模型，其特征是離散的，且取值有限。所以周志華的團(tuán)隊(duì)在研究深林算

模式識(shí)別中神經(jīng)網(wǎng)絡(luò)與SVM比，有優(yōu)勢(shì)么？如果有，在哪里呢？

在數(shù)據(jù)量大、數(shù)據(jù)連續(xù)的情況下，一般來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)是比較好的。隨機(jī)森林適用于不可微模型，其特征是離散的，且取值有限。所以周志華的團(tuán)隊(duì)在研究深林算法時(shí)，希望結(jié)合隨機(jī)林的優(yōu)點(diǎn)來(lái)解決不可微問(wèn)題。一般來(lái)說(shuō)，支持向量機(jī)在小樣本情況下性能稍好，但支持向量機(jī)的本質(zhì)在于核函數(shù)。只要核函數(shù)設(shè)計(jì)得好，在很多情況下都會(huì)起到很好的作用。最近，我嘗試用一些文獻(xiàn)中提到的黎曼幾何的思想來(lái)代替?zhèn)鹘y(tǒng)核函數(shù)的方向。如果您對(duì)具體細(xì)節(jié)感興趣，可以與我溝通。

人工智能, 機(jī)器學(xué)習(xí)。數(shù)據(jù)挖掘,模式識(shí)別, 神經(jīng)網(wǎng)絡(luò)之間是什么關(guān)系呢？

人工智能是一種智能控制。機(jī)器學(xué)習(xí)是基于學(xué)習(xí)的算法的總稱(chēng)。神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)中的一種算法。