顶点小说吧

手机浏览器扫描二维码访问

第361章 径向基神经网络（第1页）

一秒记住【xiaoyanwenxue.com】精彩无弹窗免费！“重生学神有系统（.shg.tw）”！

时间匆匆流逝。

江寒查询了许多文献，又经过了一番深入地思考，终于做好了准备，开始撰写新的论文。

江寒正在研究的，是径向基神经网络，在原本的世界，这是第一种实用化的“人工神经网络”。

这个世界在数学方面的进展，和前世基本一样。

像“多变量插值的径向基函数（RBF）方法”，早在1980年代就已经出现了。

也幸好如此，否则的话，江寒在造汽车之前，还得先发明个轮子……

所谓径向基函数，以本质上来说，就是一个实值函数，该函数的取值仅依赖于与原点或者中心点C的距离。

标准的径向基函数，一般使用欧氏距离，所以也叫欧式径向基函数。

当然，使用其他的距离函数也是没问题的，事实上，最常用的径向基函数，就是高斯核函数……

在RBF神经网络中，除了输入层和输出层之外，有且仅有一层隐藏层。

从输入空间到隐藏层空间，所做的变换是非线性的；而从隐藏层到输出层，却是做的线性变换。

通过隐藏层把向量从低维映射到高维，使得在低维中线性不可分的问题，到了高维之后变得线性可分。

这其实就是核函数的思想。

由于网络的输出和权重参数之间，存在着线性的关系，所以就可以由线性方程组，直接把权重参数求解出来。

这样一来，一方面大大加快了训练速度，另一方面，也可以避免“局部极小”的问题。

训练RBF神经网络的关键，在于求解3个参数。

首先是基函数的中心点，然后是方差，最后是隐含层到输出层的权重。

在训练时，同样需要输入训练数据，然后根据损失函数，采用梯度下降法，修正权重的误差。

这一点，其实与BP神经网络的做法，基本上如出一辙。

所以从本质上来说，RBF就是BP网络的一个特例。

当然，两者之间的区别也很明显。

在RBF神经网络中，距离径向基函数的中心点越远，神经元的激活度就越低。

在逼近目标函数时，神经元的权重取值，只依赖于查询点附近的数据。

因此RBF所做的，只是一种局部逼近。

而在BP网络中，所有数据都会起到同等的作用，是对非线性映射的全局逼近。

第2个区别，是隐藏层的数目不同。

BP神经网络可以有多个隐含层，但是RBF只有一个隐藏层。

从表达能力上来看，RBF是不如BP的，但RBF也有不可取代的优势，那就是训练起来速度极快。

一方面，由于隐藏层较少，计算压力就更小些；另一方面，局部逼近也可以有效地简化计算。

在RBF神经网络中，对于一个输入，只有附近的神经元会有反应，其他的全都被忽略。

这样一来，需要调整的权重参数，自然就大幅度地减少了，也就减轻了计算压力。

此外，还可以从理论上证明，RBF网络是对连续函数的最佳逼近，而容易陷入局部极小的BP网络则不是……

一般来说，使用了核函数技巧的机器学习方案，比如支持向量机（SVM）等，都不怎么适应大数据的情况。

封天之圣  遗世有情之有狐  她做了一个可预测未来的梦  山河万里不识君  风水赘婿  修仙大佬，求你别秀了  爷爷给我算了最后一卦  玄幻之无上天帝  荒山远海  柳定大荒  李长风萧玉如  天降六宝：夫人她千娇百媚  动漫时空巡逻队  末世进化之王  都市豪门战神  秦朝之天明崛起  玄武戴孝快封村  最强司机  一胎三宝：战神妈咪她A爆全球  人在综漫：开局选择日之呼吸