RBF算法

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.