【机器学习】Matlab RBF网络

by 狐狐的鹿鹿

1. RBF理解：
   RBF网络为径向基网络。
   
   基本结构：一般为两层网络，n-N-m结构。其中n为预测变量X的特征数，m为响应变量Y的特征数。即X是一个n维向量，Y是一个m维向量。如果把一个向量看作一个节点，实际上就是1-N-1。N是中心点的个数，可以从训练集中分布均匀的选取一些X作为中心点。隐层到输出则使用权值连接。
   
   根据需要可以选择不同的激活函数，最常用的为高斯函数：
   基本思想：RBF网络可以逼近任意曲线或曲面或超曲面。方法是认为任何曲线都可以表示为多个正态分布的叠加。中心点的个数就是正态分布的个数。
   RBF网络学习分为两个阶段：
   1. 隐层中心点的确定。使用K-means算法，经过多次迭代后，找出N个X的聚类中心。这里不详细记录，详见K-means算法。
      如果选取高斯函数作为径向基函数：