如上图所示,隐含层神经元的核函数为高斯核函数,对输入信号进行空间变换。
径向基神经网络经过了两个变换,一是非线性变换,二是线性变换;非线性变换的过程可以用下图表示出来。
非线性变换:
- 首先输入信号与选定的中心的欧式径向距离;
- 然后对此距离进行高斯变换
线性变换:
- 对隐层的输出结构进行加权求和
径向基神经网络具有局部逼近的能力,因为当函数的输入信号,靠近函数的中央范围时,隐层节点将产生较大的输出
如上图所示,隐含层神经元的核函数为高斯核函数,对输入信号进行空间变换。
径向基神经网络经过了两个变换,一是非线性变换,二是线性变换;非线性变换的过程可以用下图表示出来。
非线性变换:
线性变换:
径向基神经网络具有局部逼近的能力,因为当函数的输入信号,靠近函数的中央范围时,隐层节点将产生较大的输出