理工酷

从你提供的例子来看，我假设ANNs是指多层前馈网络（简称FF网络），比如多层感知器，因为它们与支持向量机直接竞争。与SVM相比，这些模型的一个特殊优点是它们的大小是固定的：它们是参数模型，而SVM是非参数模型。也就是说，在人工神经网络中，你有一堆大小为h1到hn的隐藏层，这取决于特征的数量，加上偏差参数，构成了你的模型。相比之下，SVM（至少是核化的SVM）由一组从训练集中选择的支持向量组成，每个支持向量都有一个权重。在最坏的情况下，支持向量的个数正好是训练样本的个数（尽管这主要发生在小训练集或退化情况下），并且通常其模型大小是线性的。在自然语言处理中，SVM分类器拥有数万个支持向量，每一个支持向量都有数十万个特征，这并非闻所未闻。另外，FF网络的在线训练比SVM的在线拟合更加简单，而且预测速度更快。