Turinys:
- Apibrėžimas - ką reiškia radialinio pagrindo funkcijų tinklas (RBF tinklas)?
- „Techopedia“ paaiškina radialinio pagrindo funkcijų tinklą (RBF tinklą)
Apibrėžimas - ką reiškia radialinio pagrindo funkcijų tinklas (RBF tinklas)?
Radialinio pagrindo funkcijų tinklas yra prižiūrimo dirbtinio nervų tinklo tipas, kuris naudoja prižiūrimą mašininį mokymąsi (ML), kad veiktų kaip netiesinis klasifikatorius. Netiesiniai klasifikatoriai naudoja sudėtingesnes funkcijas, kad galėtų pereiti toliau, nei paprasti tiesiniai klasifikatoriai, veikiantys mažesnių matmenų vektoriais.
Radialinio pagrindo funkcijų tinklas taip pat žinomas kaip radialinio pagrindo tinklas.
„Techopedia“ paaiškina radialinio pagrindo funkcijų tinklą (RBF tinklą)
Naudodami prototipų rinkinį kartu su kitais mokymo pavyzdžiais, neuronai, naudodami vadinamąjį įvesties vektorių, pažvelgia į atstumą tarp įvesties ir prototipo.
Dirbtinių neuronų aktyvavimo funkcijos skatina išėjimus, kurie gali būti vaizduojami skirtingais būdais, kad būtų parodyta, kaip tinklas klasifikuoja duomenų taškus. Radialinio pagrindo funkcijų tinklas kaip aktyvinimo funkcijas naudoja radialinio pagrindo funkcijas. Kaip ir kitų rūšių neuroniniai tinklai, radialinių bazinių funkcijų tinklai turi įvesties, paslėptus ir išvesties sluoksnius. Tačiau radialinio pagrindo funkcijų tinklai dažnai apima ir netiesinę tam tikros rūšies aktyvavimo funkciją. Išėjimo svorius galima mokyti nuleidžiant nuolydį. Kai kurie mano, kad RBF metodas yra gana „intuityvus“ ir geras būdas spręsti specializuotas ML problemas.
