Radial Basis Function Network (RBF Network)

Författare: Roger Morrison
Skapelsedatum: 27 September 2021
Uppdatera Datum: 1 Juli 2024
Anonim
Radial Basis Function Artificial Neural Networks
Video: Radial Basis Function Artificial Neural Networks

Innehåll

Definition - Vad betyder Radial Base Function Network (RBF Network)?

Ett radiellt basfunktionsnätverk är en typ av övervakad konstgjord neuralt nätverk som använder övervakad maskininlärning (ML) för att fungera som en icke-linjär klassificerare. Icke-linjära klassificeringsanordningar använder sofistikerade funktioner för att gå längre i analysen än enkla linjära klassificerare som arbetar på lägre dimensionella vektorer.


Ett radiellt basfunktionsnätverk är också känt som ett radiellt basnätverk.

En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.

Techopedia förklarar Radial Basis Function Network (RBF Network)

Med hjälp av en uppsättning prototyper tillsammans med andra träningsexempel tittar neuroner på avståndet mellan en ingång och en prototyp, med det som kallas en inmatningsvektor.

Aktiveringsfunktionerna för konstgjorda nervceller driver utgångar som kan representeras på olika sätt för att visa hur nätverket klassificerar datapunkter. Det radiella basfunktionsnätverket använder radiella basfunktioner som dess aktiveringsfunktioner. Liksom andra typer av neurala nätverk har radiella basfunktionsnät input-lager, dolda lager och output-lager. Emellertid inkluderar radiella basfunktionsnät ofta också en icke-linjär aktiveringsfunktion av något slag. Utgångsvikter kan tränas med hjälp av lutningsnedstigning.Vissa anser att en RBF-strategi är relativt "intuitiv" och ett bra sätt att hantera specialiserade ML-problem.