今天學習了rbf神經網路，裡面有一些概念個人覺得不是很好理解。
rbf神經網路是一種單隱層前饋神經網路，如下所示rbf
rbf神經網路一共分為三層，第一層為輸入層即input layer，由訊號源節點組成；第二層為隱藏層即圖中中間的黃球，隱藏層中神經元的變換函式即徑向基函式是對中心點徑向對稱且衰減的非負線性函式，該函式是區域性響應函式。因為是區域性相應函式，所以一般要根據具體問題設定相應的隱藏層神經元個數；第三層為輸出層，是對輸入模式做出的響應，輸出層
是對線性權進行調整，採用的是
線性優化策略
，因而學習速度較快。
下面介紹一下中心與權重，中心即為資料中心，一般選取資料中心的方法如下：
①直接計算法(隨機選取rbf中心)
②自組織學習選取rbf中心法（聚類）
權重即為連線權，也就是隱藏層到輸出層的權值。
隱藏層神經元往往需要乙個啟用函式，通常啟用函式選取高斯函式
則rbf神經網路可表示為
其中兩個個引數從左到右分別為權重，資料中心
通常採用兩步來訓練rbf網路：首先，確定神經元中心ci。其次利用bp演算法來確定引數
其中以上均為個人理解，如果有錯，歡迎隨時指出
機器學習 徑向基函式（RBF）神經網路
目錄 一 什麼是基函式 二 什麼是徑向基函式 三 為什麼rbf神經網路使用乙個徑向基函式作為隱含層的啟用函式 四 引數訓練 五 rbf網路 vs bp網路和 svm 著名的傅利葉變換是指 n個有參 權值 的正 余弦三角函式基的和式可以等價的表示任意乙個週期函式，這裡的 基 和我們數學中說的座標基或向...
徑向基函式（RBF）
radial basis function 徑向基函式 徑向基函式是乙個取值僅僅依賴於離原點距離的實值函式，也就是 x x 或者還可以是到任意一點c的距離，c點成為中心點，也就是 x，c x c 任意乙個滿足 x x 特性的函式 都叫做徑向量函式，標準的一般使用歐氏距離，儘管其他距離函式也是可以的。...
RBF徑向基函式
徑向基函式是某種沿徑向對稱的標量函式，通常定義為樣本到資料中心之間徑向距離 通常是歐氏距離 的單調函式 由於距離是徑向同性的 rbf核是一種常用的核函式。它是支援向量機分類中最為常用的核函式。常用的高斯徑向基函式形如 其中，因為rbf核函式的值隨距離減小，並介於0 極限 和1 當x x 的時候 之間...