今天學習了RBF神經網絡，里面有一些概念個人覺得不是很好理解。

RBF神經網絡是一種單隱層前饋神經網絡，如下所示RBF

????????RBF神經網絡一共分為三層，第一層為輸入層即Input Layer，由信號源節點組成；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數即徑向基函數是對中心點徑向對稱且衰減的非負線性函數，該函數是局部響應函數。因為是局部相應函數，所以一般要根據具體問題設置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，采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，中心即為數據中心，一般選取數據中心的方法如下：

????????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）

? ? ? ? 權重即為連接權，也就是隱藏層到輸出層的權值。

? ? ? ? 隱藏層神經元往往需要一個激活函數，通常激活函數選取高斯函數

則RBF神經網絡可表示為

其中兩個個參數從左到右分別為權重，數據中心

通常采用兩步來訓練RBF網絡：首先，確定神經元中心Ci。其次利用BP算法來確定參數和

其中表示第i個神經元接收到的輸入。

以上均為個人理解，如果有錯，歡迎隨時指出

總結

以上是生活随笔為你收集整理的RBF（径向基函数）神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。