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)
目录
一. BP神经网络与RBF神经网络的相同之处
01. 用途相同
02. 思想相同
二. BP神经网络与RBF神经网络的不同之处
2.1 求解(训练)方法的不同
2.2 隐节点个数确定的方法不同
2.3 求解精度的不同
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
01. 用途相同
02. 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：
2.1 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
2.2 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
2.3 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
RBF的详细讲解目录：老饼|RBF神经网络
BP的详细讲解目录：老饼|BP神经网络
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/14674.html