Radiālā pamata funkciju tīkls (RBF Network)

Autors: Roger Morrison
Radīšanas Datums: 27 Septembris 2021
Atjaunināšanas Datums: 1 Jūlijs 2024
Anonim
Radial Basis Function Artificial Neural Networks
Video: Radial Basis Function Artificial Neural Networks

Saturs

Definīcija - ko nozīmē radiālā pamata funkciju tīkls (RBF Network)?

Radiālā pamata funkciju tīkls ir uzraudzīta mākslīgā neironu tīkla tips, kas izmanto uzraudzītu mašīnu mācīšanos (ML), lai darbotos kā nelineārs klasifikators. Nelineārie klasifikatori izmanto sarežģītas funkcijas, lai tālāk izietu analīzi, nekā vienkāršie lineārie klasifikatori, kas darbojas ar zemāku dimensiju vektoriem.


Radiālā pamata funkciju tīkls ir pazīstams arī kā radiālā pamata tīkls.

Ievads Microsoft Azure un Microsoft Cloud | Šajā rokasgrāmatā jūs uzzināsit, kas ir mākonis skaitļošana un kā Microsoft Azure var palīdzēt jums migrēt un vadīt savu biznesu no mākoņa.

Techopedia skaidro radiālā pamata funkciju tīklu (RBF Network)

Izmantojot prototipu komplektu kopā ar citiem apmācības piemēriem, neironi aplūko attālumu starp ieeju un prototipu, izmantojot to, ko sauc par ievades vektoru.

Mākslīgo neironu aktivizācijas funkcijas virza izejas, kuras var attēlot dažādos veidos, lai parādītu, kā tīkls klasificē datu punktus. Radiālā pamata funkciju tīkls kā aktivizācijas funkcijas izmanto radiālā pamata funkcijas. Tāpat kā cita veida neironu tīkliem, radiālā pamata funkciju tīkliem ir ieejas slāņi, slēptie slāņi un izejas slāņi. Tomēr radiālā pamata funkciju tīkli bieži ietver arī kaut kāda veida nelineāru aktivizēšanas funkciju. Izejas svarus var trenēt, izmantojot gradienta nolaišanos.Daži uzskata, ka RBF pieeja ir samērā "intuitīva" un labs veids, kā risināt specializētas ML problēmas.