本文来自《老饼讲解-BP神经网络》https://www.bbbdata.com/
目录
- 一、RBF与BP模型简介
- 二、RBF神经网络与BP神经网络的对比
-
- [2.1 RBF与BP的激活函数对比](#2.1 RBF与BP的激活函数对比)
- [2.2 RBF与BP的思想对比](#2.2 RBF与BP的思想对比)
- 三、RBF神经网络与BP神经网络的训练方法对比
-
- 2.1.BP神经网络的训练
- 2.2.RBF神经网络的训练
- [2.3 BP神经网络与RBF神经网络哪个更好](#2.3 BP神经网络与RBF神经网络哪个更好)
RBF神经网络与BP神经网络都是常用的两种用于回归预测的神经网络,
本文通过对两种神经网络的对对,简单快速了解两种神经网络的特色与区别
一、RBF与BP模型简介
1.1.模型结构
BP神经网络的模型结构为:
RBF神经网络的模型结构为:
1.2.模型表达式
BP神经网络的模型表达式为:
RBF神经网络的模型表达式为:
二、RBF神经网络与BP神经网络的对比
2.1 RBF与BP的激活函数对比
BP神经网络是以多个tansig函数之和,而RBF神经网络则是多个RBF函数之和。
tansig函数是一个S型函数,图象如下:
RBF函数是一个钟型函数,图象如下:
2.2 RBF与BP的思想对比
从思想上来看,BP是用多个S型曲线凑合出目标曲线,而RBF神经网络则是用多个钟型函数凑合出目标曲线,
所以两者在思想上几乎是相同的,极为相似,只是所使用的函数不同而已。
比较有趣的是,进一步分析会发现两个tansig函数实际上还能凑出一个RBF函数,所以RBF能拟合的曲线形态,BP一定也是能拟合的。
三、RBF神经网络与BP神经网络的训练方法对比
2.1.BP神经网络的训练
BP神经网络一般都用梯度下降法,或者其它优化算法进行优化,BP神经网络是将所以参数进行同时进行优化的。BP神经网络一般需要先计算梯度,再用梯度来逐步调整参数使得网络的误差下降。因此BP神经网络的训练相对会更耗时一些,也更不确定一些。
2.2.RBF神经网络的训练
RBF神经网络的隐层权重则是预设好的,例如以每个样本点作为权重,需要训练的只有输出层的权重,通常使用最小二乘法或正交最小二乘法进行求解就可以了。因此RBF神经网络的训练非常的快,并且训练结果是唯一的。
RBF神经网络的求解方法详见:《RBF神经网络的求解》
2.3 BP神经网络与RBF神经网络哪个更好
一般模型之间没有更好或更差一说,对于不同的数据,模型的适用程度不同,因此更多可以先通过理论分析来判断哪个模型更适用,但这需要对理论有更深入的掌握与理解,更简单的方法是直接通过模型实际建模效果来进行对比。
相关链接:
《老饼讲解-机器学习》:老饼讲解-机器学习教程-通俗易懂
《老饼讲解-神经网络》:老饼讲解-matlab神经网络-通俗易懂
《老饼讲解-神经网络》:老饼讲解-深度学习-通俗易懂