MLP有可能比CNN有更好的准确性吗？

Question

我正在研究癫痫分类系统，它消耗脑电图信号，结果说如果使用某一时期，是否是癫痫发作。为了进行网络培训，我利用Keras。我正在尝试几种不同的神经网络配置，现在我想知道，在某些情况下，MLP在一维分类方面是否比CNN更好？我的问题不仅与脑电图或癫痫的检测有关，而且更多的是当MLP在准确性上比CNN表现得更好的时候。或者，在数学上证明了，对于给定的分类问题，总会有一些CNN优于MLP。

对于CNN，我用的是keras.layers.Conv1D，如果这有关系的话，我使用MLP keras.layers.Dense。

Answer 1

是的，有可能MLP比CNN有更好的准确性。

这里有一个讨论

CNN (和RNN)模型并不是MLP设计的一般改进。它们是与某些类型的问题相匹配的特定选择。当数据中有一些局部模式(可能在其他位置重复)时，CNN的设计效果最好，而当输入是图像、音频或其他类似信号时，情况往往是这样。

你说：

或者，在数学上证明了，对于给定的分类问题，总会有一些CNN优于MLP。

这是个有趣的问题。MLP和CNN实际上是“等价的”，如果你有一个MLP，我可以写下一个与它相同的CNN(产生相同的输出)，反之亦然。参见讨论这里和这里。

所有这一切都是为了说明，并不是"CNN对MLP“和体系结构/优化/等等的细节一样重要。我链接到的第一个答案解释了为什么典型的CNN架构运行良好。短语“数据中的某些局部模式(可能在其他位置重复)”是一种表示数据中存在一些平移等方差的方法。如果没有平移等差，MLP可能工作得更好。