径向基神经网络

径向基是一种单隐层神经网络，使用径向基函数作为激活函数。输出是隐层神经元的加权求和。 模型为： 注意：Park和Sandberg于1991年证明：当具有足够多的隐单元个数的径向基网络，则能以任意精度逼近连续函数。 当然本人觉得这代价太大了，深度架构，比如多隐层的其他网络（CNN，RBN，SAE等）对待复杂模式识别，应当更胜一筹。 参考文献：《深度学习、优化与识别》李焦成。

>>阅读原文<<