Java 神经网络分类

我正在研究大数据分类。我在大数据集上测试了许多分类器。最后，我注意到两个分类器取得了最好的结果，但运行时间较长（Bagging和Random Tree）。 我的问题是: 我想修改随机树以使用神经网络，但我想知道在我花费大量时间进行免费编程之前，我应该使用哪种类型的神经网络来改进分类器结果和运行时间

• 深度学习
• 反向传播
• 随机梯度下降
• 或者两者的结合

=======

---

提前感谢StackOverflow中的每个人，他们是最好的

你所计算的实际上是所有不同的部分。所以，要理解你的观点有点难。。。例如，反向传播是使用（随机）梯度下降来训练神经网络，这是深度学习的一部分^^^^我认为你是混合点。当你开始有一个重要数量的隐藏层时，神经网络被认为是深度学习（这就是为什么我们称它为Deep，例如现有VGG19的19）。反向传播是用来训练神经网络的过程。您可以向后传播错误并调整权重。SGD是进行反向传播的方法之一，还有其他几种。我想你是在用标准神经网络、卷积神经网络、递归神经网络。。。但这取决于你的申请，尼古拉斯和德国航空回答我的问题。这很有帮助。你刚才数的其实都是不同的部分。所以，要理解你的观点有点难。。。例如，反向传播是使用（随机）梯度下降来训练神经网络，这是深度学习的一部分^^^^我认为你是混合点。当你开始有一个重要数量的隐藏层时，神经网络被认为是深度学习（这就是为什么我们称它为Deep，例如现有VGG19的19）。反向传播是用来训练神经网络的过程。您可以向后传播错误并调整权重。SGD是进行反向传播的方法之一，还有其他几种。我想你是在用标准神经网络、卷积神经网络、递归神经网络。。。但这取决于你的申请，尼古拉斯和德国航空回答我的问题。这很有帮助。