技术04期：关于神经网络的概念及技术领域

导读

一般而言，我们可以把神经网络分为前馈网络、递归网络和反馈网络。前馈网络一般指前馈神经网络或前馈型神经网络。它是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层地输出，并输出给下一层，各层间没有反馈。包括：BP神经网络、RBF神经网络等。

 

递归神经网络（RNN）是两种人工神经网络的总称。一种是时间递归神经网络（recurrent neural network），又名循环神经网络，包括RNN、LSTM、GRU等；另一种是结构递归神经网络（recursive neural network）。

 

反馈网络(Recurrent Network)，又称自联想记忆网络，其目的是为了设计一个网络，储存一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到这个设计的平衡点上。包括CHNN、DHNN等。

 

前馈神经网络的网络结构比较简单，一般为神经网络的入门跳板。

 

 

 

 

 

前馈神经网络之——RBF（Radial basis function）径向基函数神经网络

 

对神经网络有最基础了解的人都知道，神经网络其实就是输入层、几层隐含层、输出层。不同的layer之间的神经元互相连接，连接方式通常为线性加权。

 

 

 

如上图。最简单的神经网络框架中，每一层神经元的连接是线性的。该层的输入为，上层所有输出的加权求和。

 

而RBF神经网络就是其中的一种特殊的神经网络。RBF神经网络只有三层，包括输入层、隐层和输出层。并且输入空间到隐层的变换是非线性的。如下图：

 

 

 

 

 

RB