Ψ Die Informatikseite

Menü
Informatik » Master » Neuronale Netze » Radial Basis Funktionen-Netze (RBF-Netze) » RBF-Netze sind universelle Funktionsapproximatoren
Aufbau von Radial Basis Funktionen-Netzen (RBF-Netzen) Radial Basis Funktionen-Netze (RBF-Netze) Einstellen der Gewichte von Radial Basis Funktionen-Netzen (RBF-Netzen)

RBF-Netze sind universelle Funktionsapproximatoren

RBF-Netze sind universale Funktionsapproximatoren für Funktionen $\mathbb{R}^{N}\longrightarrow \mathbb{R}^{M}$. Sie setzen Funktionen als Überlagerung von Radialen15 zusammen:
Image rbf-sum
Hier sehen wir einen großen Vorteil von RBF-Netzen. Während MLPs in den Bereichen, wo keine Stützstellen für die Funktion vorhanden sind, irgendetwas machen können, interpoliert das RBF zwischen den Stützstellen, so dass das RBF keinesfalls hier ganz extreme Werte ausgeben wird.
Aufbau von Radial Basis Funktionen-Netzen (RBF-Netzen) Radial Basis Funktionen-Netze (RBF-Netze) Einstellen der Gewichte von Radial Basis Funktionen-Netzen (RBF-Netzen)