本文介绍了RBF神经网络在解决非线性可分问题中的应用，它利用径向基函数如高斯函数进行非线性映射到线性可分空间。与BP神经网络相比，RBF网络具有唯一最佳逼近特性，无局部极小，但中心向量和标化常数的确定较为困难。RBF网络学习速度快，常用于非线性系统辨识与控制，而BP网络则为典型的三层网络。
RBF神经网络用于解决非线性可分问题。RBF网络用于隐含层单元，并使用径向基函数（如Gaussian函数）作为激活函数,先将非线性可分的输入空间设法变换到线性可分的特征空间（通常都是高维看见空间），然后用输出层来进行线性划分，完成分类功能。
将多变量插值的径向基函数方法应用于神经网络设计，从而构成了RBF神经网络。
基本思想是：用RBF作为隐单元的“基”构成隐含层空间，将输入矢量直接（不通过权连接）映射到隐空间。
从输入层空间到隐含层空间的变换是非线性的，
从隐含层空间到输出层空间的变换是线性的。
RBF神经网络与BP神经网络进行对比：
（1）RBF网络和BP网络一样可近似任何的连
最低0.47元/天 解锁文章
1749
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
