径向基函数 编辑
径向基函数是一个取值仅依赖于到原点距离的实值函数，即



ϕ

=
ϕ



{\displaystyle \phi =\phi }

。此外，也可以按到某一中心点c的距离来定义， 即



ϕ

=
ϕ



{\displaystyle \phi =\phi }

。任一满足



ϕ

=
ϕ



{\displaystyle \phi =\phi }

的函数都可称作径向函数。其中，范数一般为欧几里得距离，不过亦可使用其他距离函数。
6
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
在机器学习中，径向基函数核，或称为RBF核，是一种常用的支持向量机。它是支持向量机统计分类中最为常用的核函数。
在数学建模领域，径向基函数网络是一种使用径向基函数作为激活函数的人工神经网络。径向基函数网络的输出是输入的径向基函数和神经元参数的线性组合。径向基函数网络具有多种用途，包括包括函数近似法、时间序列预测、分类和系统控制。他们最早由布鲁姆赫德和洛维在1988年建立。
在机器学习中，径向基函数核，或称为RBF核，是一种常用的支持向量机。它是支持向量机统计分类中最为常用的核函数。
在机器学习中，径向基函数核，或称为RBF核，是一种常用的支持向量机。它是支持向量机统计分类中最为常用的核函数。
20世纪90年代，E. J. Kansa将用于散乱数据处理和函数近似的径向基函数用于处理偏微分方程，并提出一种强格式的配点方法。Kansa所提出的径向基函数配点方法是真正的无网格方法，具有易于编程、数学形式简单、方便掌握等优点。该方法提出后不久，被学术界称之为Kansa方法。