【零散知识】径向基函数，径向基神经网络和其与BP神经网络的区别

前言：

{

    最近在重新看傅立叶变换，感觉这简直是打开新世界的大门。都怪我之前没学好，现在看起来比较费劲，花了不少时间，所以这次还是零散知识。

    这次的主要内容都是围绕径向基神经网络展开的。

}

正文：

{

    根据[1]中的介绍，径向基函数（Radial basis function，RBF）是一类函数。设输入样本为x，一个中心点为c，则任何只依赖x和c之间距离的函数都是径向基函数（叫径向是因为当c固定时，径向基函数的输出是关于x径向对称的）。

    径向基函数的典型形式为高斯基函数（Gaussian basis functions），见式1。

式1

    其中ci对应上述c，i为隐含层节点的编号，隐含层的具体定义在下面。

 

    图1是[1]中给出的一种径向基神经网络（Radial basis function network）的结构。