|
| 方法 |
优势 |
缺点 |
|
| 卷积神经网络 |
(i)具有学习能力的特性,从本地连接和组合成高层表示。 |
(我)计算昂贵作为特征提取需要巨大的内核。 |
| (2)分类是耗时少。 |
(2)需要一个庞大的数据集。 |
| (3)可以自动提取功能。 |
(3)交通数据需要转换成一个图像。 |
|
(iv)没有可用的策略在CNN模型深度和参数选择。 |
| 递归神经网络 |
(我)显示了优良的性能在处理连续数据流。 |
(我)长期依赖导致糟糕的性能。 |
| (2)有效的序列分类。 |
(2)没有可用的公司准则消除的依赖。 |
| (3)有效处理时间序列长间隔和推迟。 |
|
| 极端的学习机器 |
(我)学习速度快 |
(我)训练时间增加而隐藏节点上升。 |
| (2)可以避免局部最小值。 |
(2)未标记的数据问题。 |
| (3)修改模型可用于处理一个未标记的数据问题。 |
(3)可能会产生不准确的结果。 |
|
|
