本站原创文章,转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com
有些同学只学过BP神经网络,想了解RBF神经网络
或者只学过RBF神经网络,想了解BP神经网络
那么本文就非常适合这些同学阅读,帮助大家快速将相关知识迁移到BP/RBF上
声明:本节所说的BP神经网指的是三层BP神经网络(tansig+purelin)
本节讲解BP神经网络与RBF神经网络相同的地方
BP神经网络与RBF神经网络的相同之处
BP神经网络与RBF神经网络的具有极多的相似之处
最核心的相似之处如下:
👉1. 用途相同:同样用于数值预测
👉 2. 思想相同:本质同样是用一些基本曲线来进行曲线拟合
一、用途相同
BP和RBF的用途相同,主要用于数值的预测
也就是说,BP的RBF的输出都是连续的
二、思想相同
同样是曲线拟合
BP是通过tansig曲线对目标数据进行拟合
而RBF则是通过多个径向基曲线对目标数据进行拟合
它们的数学表达式分别如下
BP的数学表达式:
RBF的数学表达式:
本节讲解BP神经网络与RBF神经网络不相同的地方
BP神经网络与RBF神经网络的不同之处
一、求解(训练)方法的不同
BP神经网络与RBF的主要区别在于求解上的不同
BP的tansig曲线所有参数是在训练中确定
而RBF控制径向基曲线中心、宽的内层参数一般人为确定,只有径向基外层的参数需要训练
👉BP的常用训练算法 :梯度下降法、LM法
👉RBF的常用训练算法 :精确求解、OLS求解、k-means求解
二、隐节点个数确定的方法不同
BP的tansig个数(隐节点个数)一般人为设定
而RBF的径向基个数,则由训练算法确定
例如RBF精确求解时,径向基个数等于样本个数,
使用OLS算法求解时,则是逐个添加RBF,直到误差能满足要求
三、求解精度的不同
径向基神经网络的最大特点是,它可以达到0误差,
当然,有时为了避免过拟合和让模型简单化,并不会采用0误差
而是让隐节点尽量少的同时误差尽量低
但不管怎么样,0误差是径向基神经网络一个非常大的特色
、
End