PyTorch Radial Basis Function Layer:使用PyTorch的RBF图层模块的实现 源码

PyTorch径向基函数(RBF)层 使用PyTorch的RBF层/模块的实现。 RBF层是常规人工神经网络中使用的激活函数的替代方法。 通常,RBF网络中的每个RBF层后面都有一个线性层。 在RBF层中,将计算和缩放输入与多个称为中心的位置之间的距离。 然后,将RBF应用于每个缩放距离。 IE, 其中x是输入,phi是径向基函数,sigma是比例因子,c是中心。 通常,通过对数据进行聚类来找到中心位置。 这对于具有许多RBF层的RBF网络是不切实际的。 在这种实施方式中,中心和比例因子通过梯度下降进行训练,这允许具有许多RBF层的RBF网络。 特征 径向基函数(RBF)层 少数径向基函数 通过梯度下降而不是聚类训练的中心和比例因子 示范 在演示中,RBF网络用于学习玩具分类问题的决策边界。