问训练RBF网络

EN

RBF网络分为3层，即输入层、隐层和输出层，在二值分类或回归的情况下，都是一个单一的神经元。你可以训练完全有监督的径向基函数，这不是一项没有框架但不那么困难的琐碎任务，或者使用一种非监督的方法，它可以更简单地计算径向基函数网络的参数，但你仍然应该以有监督的方式计算输出层的权值，输入层的梯度descent.all权值据我所知为1。

您需要查找3个参数，最后一层为centers、Spred和Weight。最常见的基函数选择是高斯函数。在数据集上使用k-表示来查找中心.这是你的选择，有多少中心，但从我在大学里学到的理论，它应该是你的样本数目的一半开始，然后你可以增加或减少的数目基础上你从测试集得到的结果。求出每两个最近的中心之间距离的平均值，这是计算每个中心的传播(宽度)的一种方法。使用梯度下降来学习最后一层的权重。

需要记住的一点是，机器学习是很棒的，因为我们为不适定的问题找到了解决方案，当然有些方法看起来更像启发式，但它们是我们所知道的最好的解决方案，因为now.you需要调整模型的参数并使其工作。:)

径向基函数网络

只要访问这个维基百科页面，并获得详细信息。