【笔记】RBF神经网络与BP神经网络

RBF神经网络用于解决非线性可分问题。RBF网络用于隐含层单元，并使用径向基函数（如Gaussian函数）作为激活函数,先将非线性可分的输入空间设法变换到线性可分的特征空间（通常都是高维看见空间），然后用输出层来进行线性划分，完成分类功能。

将多变量插值的径向基函数方法应用于神经网络设计，从而构成了RBF神经网络。

基本思想是：用RBF作为隐单元的“基”构成隐含层空间，将输入矢量直接（不通过权连接）映射到隐空间。

     从输入层空间到隐含层空间的变换是非线性的，

从隐含层空间到输出层空间的变换是线性的。

RBF神经网络与BP神经网络进行对比：

     （1）RBF网络和BP网络一样可近似任何的连续非线性函数。两者的主要不同点是在非线性映射上采用了不同的作用函数。

     （2） RBF网络具有惟一最佳逼近的特性，且无局部极小。

     （3）求RBF网络隐节点的中心向量Ci和标化常数bi 是一个困难的问题。 

     （4）径向基函数有多种。最常用的有，高斯核函数

     （5）RBF网络用于非线性系统辨识与控制时，隐节点的中心难求。

     （6） RBF网络学习速度很快  

     （7）RBF网络是一种典型二层网络，BP是一种典型的三层网络