如何对CNN网络的卷积层进行反向传播
在多分类中,CNN的输出层一般都是Softmax。RBF在我的接触中如果没有特殊情况的话应该是“径向基函数”(RadialBasisFunction)。
在DNN兴起之前,RBF由于出色的局部近似能力,被广泛应用在SVM的核函数中,当然也有我们熟悉的RBF神经网络(也就是以RBF函数为激活函数的单隐含层神经网络)。
如果说把RBF作为卷积神经网络的输出,我觉得如果不是有特殊的应用背景的话,它并不是一个很好的选择。至少从概率角度上讲,RBF没有Softmax那样拥有良好的概率特性。
如果题主是在什么地方看到它的源代码并且感到困惑的话,可以贴上源链接一起讨论一下。
的定义和计算公式参考:/link?url=7LE6KImv5IveCM90JcnctlgVY7OgCd7E_G0Yv0vyTfV3P8S3Q_rZU3CM6f0udS-b6ux2w-hejkOrGMkmj8Nqba。
谷歌人工智能写作项目:神经网络伪原创
卷积神经网络是如何反向调整参数的?
卷积神经网络反向传播和bp有什么区别
如何理解神经网络里面的反向传播算法
反向传播算法(Backpropagation)是目前用来训练人工神经网络(ArtificialNeuralNetwork,ANN)的最常用且最有效的算法。
其主要思想是:(1)将训练集数据输入到ANN的输入层,经过隐藏层,最后达