有一个数据科学数值问题，我和我的团队能够得到一个预测低至 1% MAPE 误差的 ANN 模型（大约有 70000 多个可训练参数）。
鉴于数据集的性质，这些数据也可以作为图像处理，这导致我尝试使用基于 CNN 的方法来解决同样的问题。到目前为止，我能够通过大约 2000 个参数收敛到 14% 的错误率。假设我能够使用基于 CNN 的架构进一步降低错误（参数没有显着增加）是否合理？
编辑：基本上，我所说的图像是在 ANN 的情况下，数据被处理为一维向量，但在 CNN 的情况下是二维向量。
一个由传统ANN“解决”的问题也可以由CNN解决，这合理吗？
数据挖掘
神经网络
深度学习
美国有线电视新闻网
训练
2022-02-17 19:48:41
1个回答
理论上是的，实际上可能。
我这是什么意思。有关于 ANN 的平滑函数的通用逼近定理，也有支持CNN 变体的理论。支持这一说法的另一件事是，您可以使用 CNN 架构复制任何 ANN，从而有效地回溯到原始 ANN。
实践一下，你说这些数据也可以作为图像处理，但它是否具有与其他数据表示相同的信息量？可能但不是必须的，考虑使用时间序列数据的图像进行回归，确保你可以捕捉到一些一般趋势，但要真正捕捉到所有趋势，它会变得非常昂贵，非常快。
其它你可能感兴趣的问题