PNN 优于 MLP 的缺点是什么

Question

我有一个问题在任何地方都找不到任何直接的答案。
似乎 PNN 至少在训练过程中比 MLP 快得多，而且也更准确。那么为什么 MLP仍然被用于分类任务而不是 PNN？

Answer 1

让我直观地了解这两个是如何工作的。让我们以使用 PNN 和 MLP 的二进制分类为例。对于 PNN，您只能有 1 个隐藏层，其中节点数始终等于训练数据的数量。而且我们不必学习权重，但我们必须学习隐藏节点中的内核参数。如果这些节点属于类 1，则在该层中表示类 1 的节点与隐藏层之间的权重设置为 1，否则设置为 0。如果我们假设所有的神经元都是相同的，那么只有 1 个参数需要学习，因此它的训练比 MLP 快得多。 对于 MLP，我们可以根据需要有很多层，通常开发人员只使用 1 个隐藏层，但 google 最多使用 11 层来识别门牌号码。这可能是使用 MLP over PNN 的一个可能原因。