machine-learning - 径向基函数网络（RBF 网络）

Question

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”。

阅读此链接中的网络架构

请我需要你感激的帮助。

Answer 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，您拥有一组样本，即x，并从中选择多个中心向量 - 一个用于隐藏层中的每个神经元。从广义上讲，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是您正在处理的隐藏层中的神经元数量。不同的层可能有更多或更少的神经元，因此将相应地有更多或更少的中心向量。

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

Answer 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。