معماری شبکه :

شبکه های RBF معمولا شامل سه لایه هستن :  لایه ی ورودی ، لایه ی مخفی با یه تابع فعالیت RBF غیرخطی و لایه ی خروجی

ورودی می تونه به عنوان یه بردار از اعداد حقیقی مدل بشه و خروجی این شبکه یه تابع scalar از بردار ورودی هستش که به صورت زیر محاسبه میشه :

که N تعداد نرونهای لایه ی مخفی،Ci  بردار مرکز نرون i و ai وزن نرون i در نرون خروجی خطی هستش.

آموزش :

شبکه های RBF معمولا به وسیله ی یک الگوریتم دو مرحله ای آموزش داده میشن. در مرحله ی اول، بردارهای مرکز ci  برای توابع RBF در لایه ی مخفی انتخاب میشن. این مرحله رو میشه با چندین روش اجرا کرد : میشه مراکز رو به شکل تصادفی از برخی مجموعه مثالها نمونه برداری کرد، یا میشه از K-means clustring بهره برد.توجه داشته باشین که این مرحله بدون نظارته ( unsupervised).

مرحله ی دوم به سادگی با یک مدل خطی با ضرایب  wi برای خروجی های لایه ی مخفی با توجه به تابع هدف،  متناسب میشه.

یه سورس کد از شبکه عصبی RBF هم واستون قرار دادم ، میتونین از لینک زیر دانلود کنین :

rbf

نوشته شبکه عصبی RBF چیست ؟ اولین بار در ايران متلب. پدیدار شد.