径向基函数网络(radial basis function network),理学-计算机科学技术-人工智能-机器学习-神经网络学习,一种使用径向基函数作为激活函数的人工神经网络,最早由布鲁姆赫德(Broomheae)和洛维(Lowe)在1988年建立。径向基函数是一种函数取值仅与其输入点到中心点距离有关的函数,为输入点,为中心点,函数值表示为。径向基函数用途较广,常见的用途有函数近似法、时间序列预测、分类和系统控制等。径向基函数网络分为三层:输入层、隐藏层和输出层。其输入层是输入的向量表示,隐藏层计算输入层输入的值,输出层是将隐含层的输出进行线性变换,最后网络的输出得到一个标量。其流图如下:径向基函数的流图径向基函数网络是核函数的一种,其思想是将低维的输入映射到高维度,然后进行分类,从而实现将线性不可分变为线性可分。径向基函数网络的激活函数有很多种,典型的有Gaussian函数、Multiquadric函数等。