BP使用激活函数,全局逼近
RBF使用径向基函数,局部逼近
RBF神经网络训练分为两个阶段
1,无监督学习,从样本中选择记忆样本/中心点,可以使用聚类算法,也可以选择随机给定的方式
2,监督学习,计算样本经过rbf转换后,和输出的关系/权重,可以使用bp算法,也可以使用简单的数学公式计算
关于RBF算法的代码实践
用到的技术点:Kmeans算法 numpy.linespace numpy.random使用
# -- encoding:utf-8 --
"""
Create by ibf on 2018/5/8
"""
from scipy.linalg import norm, pinv
import numpy as np
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
np.random.seed(28)
# TODO: 基于TensorFlow实现实现一下RBF神经网络的结构。
class RBF:
"""
RBF径向基神经网络
"""
def __init__(self, input_dim, num_centers, out_dim):
"""
初始化函数
:param input_dim: 输入维度数目
:param num_centers: 中间的核数目
:param out_dim:输出维度数目
"""
self.input_dim = input_dim
self.out_dim = out_dim
self.