特点:单隐层、前馈、局部逼近
φ的形式一般为高斯函数,
σ为常数,反映函数的宽度,σ越小,函数越有选择性。
φ的值域是[0,1],样本点与中心点越相似,φ值越大,这个神经元越被激活,所以是局部逼近。
立减 ¥
请填写红包祝福语或标题
红包个数最小为10个
红包金额最低5元
抵扣说明:
1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。