Jednowarstwowa sieć neuronowa z aktywacją ReLU równą SVM?

Załóżmy, że mam prostą jednowarstwową sieć neuronową z n wejściami i jednym wyjściem (zadanie klasyfikacji binarnej). Jeśli ustawię funkcję aktywacji w węźle wyjściowym jako funkcję sigmoidalną, wówczas wynikiem będzie klasyfikator regresji logistycznej.

W tym samym scenariuszu, jeśli zmienię aktywację wyjścia na ReLU (rektyfikowaną jednostkę liniową), to czy uzyskana struktura jest taka sama lub podobna do SVM?

Jeśli nie to dlaczego?

neural-networks svm

— OGŁOSZENIE
źródło

masz jakieś hipotezy, dlaczego tak może być? powód, dla którego pojedynczy perceptron = logistyka jest właśnie z powodu aktywacji - są one zasadniczo tym samym modelem, matematycznie (choć może być inaczej trenowanym) - wagi liniowe + sigmoid zastosowany do mnożenia macierzy. SVM działają zupełnie inaczej - szukają najlepszej linii do oddzielenia danych - są bardziej geometryczne niż „ważący” / „macierzowy”. Dla mnie nie ma nic o ReLU, co powinno skłonić mnie do myślenia = ah, są one takie same dla SVM. (logistyczne i liniowe svm mają jednak bardzo podobne wyniki)

— metjush

maksymalny margines svm i funkcja aktywacji relu wyglądają tak samo. Stąd pytanie.

— AD

„SVM działają zupełnie inaczej - szukają najlepszej linii do oddzielenia danych - są bardziej geometryczne niż„ ciężki ”/„ macierzowy ”. To trochę falisty - WSZYSTKIE klasyfikatory liniowe szukają najlepszej linii do oddzielenia danych, w tym regresji logistycznej i perceptron

— AD

$E = max(1-ty,0)$

Aby utrata sieci miała taką samą formę jak SVM, możemy po prostu usunąć wszelkie nieliniowe funkcje aktywacyjne z warstwy wyjściowej i użyć utraty zawiasu do propagacji wstecznej.

$E = ln (1 + exp(−ty))$

Zatem pod względem funkcji utraty SVM i regresja logistyczna są dość bliskie, chociaż SVM używają zupełnie innego algorytmu do szkolenia i wnioskowania na podstawie wektorów pomocniczych.

W rozdziale 7.1.2 książki Rozpoznawanie wzorców i uczenie maszynowe znajduje się miła dyskusja na temat związku SVM i regresji logistycznej .

— dontloo
źródło

dzięki za wskazanie książki. Mam wrażenie, że oprócz funkcji aktywacyjnych, prawdziwa różnica polega na zastosowanych algorytmach optymalizacyjnych. W przypadku LR możemy zastosować proste nieograniczone zejście gradientu, podczas gdy w SVM zazwyczaj rozwiązujemy ograniczoną optymalizację.

— AD