径向基函数网络（RBF 网络）答案

【问题标题】：Radial Basis Function Network (RBF Network)径向基函数网络（RBF 网络）
【发布时间】：2013-11-02 08:20:26
【问题描述】：

根据下面的链接，我不明白什么是“神经元 i 的中心向量”，换句话说，“RBF 单元的中心也称为原型”。

我需要您的感谢帮助。

【问题讨论】：

【解决方案1】：

如果您继续阅读链接中的培训部分，它会解释中心向量是什么：

阅读以上内容，在我看来，您有一组样本，即 x，您可以从中选择多个中心向量 - 一个用于隐藏层中的每个神经元.广义而言，中心向量是样本数据中的聚类中心。

正如评论所说，您可以使用无监督聚类算法（例如 k-means）在数据中找到 n 个聚类中心，其中 n 是数字您正在处理的隐藏层中的神经元。不同的层可能有更多或更少的神经元，因此会有相应的更多或更少的中心向量。

然后，RBF 将每个单独的样本 x 通过它们之间的欧几里得距离的某个函数与每个中心向量联系起来。

【讨论】：

我知道 x 对应输入。但是如果我们考虑在隐藏层中有 3 个单元和一个输入 x。因此，最后一个连接到所有 RBF 单元。所以隐藏层中的每个单元都必须实现一个径向基函数，该函数对应于输入 x 与其自身中心之间的欧几里德距离？如果我们认为这个中心是以特定的方式计算的，那么输入 x 是如何计算的呢？请我需要帮助:) 提前谢谢。
@Liszt 看到上面的更新答案 - 现在更清楚了吗？
是的，现在很清楚了。非常感谢您的解释:)

【解决方案2】：

神经元的中心向量是 RBF 的中心。 RBF 只是一个点（在文章中称为 x）到中心（在文章中称为 ci）的距离的函数。每个神经元都有自己的中心。

【讨论】：