徑向基函數網絡（RBF網絡）

根據以下鏈接，我不明白什麼是「神經元i的中心向量」，換言之，「RBF單元的中心也稱爲原型」。徑向基函數網絡（RBF網絡）

read the Network architecture in this link

請我需要你的幫助，感謝。

來源

2013-11-02 Liszt

如果你看了就在你的鏈接培訓部分，它解釋了中心的載體是：

rbf

看完上面的，在我看來，你有你的樣本集，x's，並從中選擇一些中心向量 - 隱藏層中的每個神經元都有一個。廣義而言，中心矢量是樣本數據中聚類的中心。

隨着談話說，你可以使用無監督聚類算法，如K-手段，找到ň聚類中心的數據，其中ñ是神經元的，你是隱層的數量處理。不同的圖層可能會有更多或更少的神經元，因此會有相應的或多或少的中心向量。

然後，RBF通過它們之間的歐幾里德距離的某個函數將每個單獨的樣本，x，與每個中心向量相關聯。

來源

2013-11-02 08:56:30

感謝您的回覆親愛的。我非常感謝:) – Liszt

我知道x對應於輸入。但是，如果我們考慮隱藏層中有3個單位和一個輸入x。因此這最後一個連接到所有RBF單位。那麼隱藏層中的每個單元必須實現一個徑向基函數，該函數對應於輸入x與其中心之間的歐氏距離？如果我們認爲這個中心是以特定的方式計算的，那麼計算輸入x的方式如何？請提前致謝，我需要幫助。 – Liszt

@Liszt看到上面更新的答案 - 現在更清楚了嗎？ –

神經元的中心向量是RBF的中心。 RBF只是一個點（在文章中稱爲x）到一箇中心（在文章中稱爲ci）的距離的函數。每個神經元都有自己的中心。

來源

2013-11-02 09:01:25 carlosdc

徑向基函數網絡（RBF網絡）

回答

相關問題