python rbf神经网络_深度学习之径向基（RBF）神经网络(八)

在《人工神经网络理论、设计及应用》书中关于径向基函数RBF被划入了基于数学原理的神经网络，在前面所学的各种神经网络均受到某种生物学原理的启发，本章讨论的神经网络建立是受某种数学原理的指导，所以被划入了基于数学的神经网络。

说起径向基网络之前，我们先了解什么是径向基函数。径向基其实就是延径向对称的标量函数，通常定义为空间任意点X到中心c之间的欧式距离函数，我们可以看作d = (x-c)。

接下来我们对d= (X-c)做一个函数变换 =>

(方程一) ， 这里的

我们可以看成一个函数，如果这个函数是高斯函数，我们把这个距离函数套入高斯函数中，得到高斯径向基函数

(方程二)。

我们通过方程一和方程二得到公式：

(方程三)。其中可以看

， F(x)就是我们想要预测的结果，或者训练集的结果。

如果将这种方法写入到神经网络中，

就是我们的权值，

就是我们的神经网络输入值(显示层)，如下图所示。

当然我们可以把

看出不同的函数，不仅仅是高斯函数，在书中提到了三种函数：

下面我们用python代码实现rbf，代码使用的是高斯函数，并且中心点c是随机取值的，我们也可以使用kmean或者knn方法来确定中心点，这