论文部分内容阅读
研究了支持向量机(SVMs)与前馈人工神经网络(FANNs)的关系.首先说明了两者在网络结构上的相似性,即输入函数均可表示为基函数的线性组合形式.然后指出了两者之间存在的关键差异:一是优化目标不同,FANNs只需要达到经验风险最小化,而SVMs寻求结构风险最小化;二是隐含层含义不同,SVMs的隐含层节点表现为支持向量,而FANNs则需要预先设定;三是模型复杂性不同,FANNs的模型复杂性由隐含层神经元数量来控制,而SVMs的复杂性独立于维度.最后,给出了两者在UCI标准数据集上的对比实验,用以评估它