神经网络与机器学习 笔记—核方法和径向基函数网络（下）

径向基函数（RBF）网络结构，基于产值理论

 

    

1. 输入层，由m0个源节点组成，其中m0是输入向量x的维数。
2. 隐藏层，由和训练样本的大小N相同个数的计算单元组成，每个单元都从数学上用一个径向基函数描述：

3. 

    

 

第j个输入数据点xj定义了该径向基函数中心，向量x是作用于输入层的信号（模式）。因此，与多层感知器不同，源节点和隐藏单元的链接是直接链接，没有权值。

1. 输出层，上图输出层由单一计算单元构成。除了一般情况下输出层的大小比隐藏层的大小要小得多之外，对于输出层的大小没有限制。

之后，重点考虑高斯函数作为径向基函数的使用，在这样的情况下，隐藏层的每个计算单元可以定义为：