知识卡片
RBF网络汇合局部响应
RBF网络让多个径向基函数对输入产生局部响应,再分别加权求和形成输出。偏置节点恒为1,其权重提供不依赖输入的常数项。分类任务可比较多个输出,回归可用一个数值输出;增加基函数能增强表示能力,也会增加训练成本。
结构图:
flowchart LR
A[输入向量] --> B[多个径向响应]
B --> C[加权求和]
D[偏置常数1] --> C
C --> E[分类或回归输出]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 引言 / INTRODUCTION 径向基函数网络 · 查看原书依据
径向基函数网络本质上就是一至多个径向基函数的加权求和,其中每个径向基函数均接受一个带权重的输入,从而对输出进行预测。可将径向基函数网络视为包含参数向量的一个长方程。公式5描述了一个径向基函数网络: (5) 注意,其中双竖
参考来源
- 位置:《人工智能算法(卷2):受大自然启发的算法》引言 / INTRODUCTION,原书小节“径向基函数网络”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/epub_0005.html#nav_point_19)
- 结论依据:原文公式5和图3说明径向响应到求和输出的连接、常数偏置和分类/回归区别。
- 原始内容:径向基函数网络本质上就是一至多个径向基函数的加权求和,其中每个径向基函数均接受一个带权重的输入,从而对输出进行预测。可将径向基函数网络视为包含参数向量的一个长方程。公式5描述了一个径向基函数网络: (5) 注意,其中双竖