何时使用 RBF 网络而不是多层感知器？

机器算法验证 机器学习 神经网络 感知器 rbf-网络
2022-04-06 12:43:55

我知道径向基函数神经网络 (RBF) 通常有 1 个隐藏层，它与多层感知器 (MLP) 的不同之处在于它的激活和组合功能等，但是我如何决定何时数据集/问题更适合 RBF 而不是 MLP？我是否必须每次都尝试并比较结果？

1个回答

您可以使用 RBF 网络，以防您的模型中不一定需要有多个隐藏层，更重要的是，您希望您的模型对对抗性噪声/示例具有鲁棒性。RBF 网络的优点是它们为您的预测带来了更大的鲁棒性，但如前所述，与常用的神经网络类型相比，它们的局限性更大。然而，常用类型的神经网络模型极易受到对抗性噪声的影响，并且在输入此类示例时会做出非常错误的预测。在 RBF 网络中情况并非如此，这似乎是由于这些网络的非线性特性。因此，这是在常用类型的神经网络中更高的精度或径向基函数网络中更高的鲁棒性之间进行权衡。

来源

其它你可能感兴趣的问题
上一篇在 N 次试验中发生 K 次成功之前的时间分布是什么？ 下一篇神经网络社区中张量的含义