پرسش دلیل استفاده ی بیش از حد توابع گوسی نسبت به توابع دیگر در شبکه های ‍‍ پایه شعاعی

[hina 13]

سلام و وقت بخیر خدمت دوستان.ببخشید من یه پرسش در مورد اینکه چرا توابع گوسی بیشتر از توابع دیگر برای شبکه پایه شعاعی استفاده میشود دارم و ممنون میشم در این زمینه کمکم کنید.

[hhamidy 885]

سلام و وقت بخیر خدمت دوستان.ببخشید من یه پرسش در مورد اینکه چرا توابع گوسی بیشتر از توابع دیگر برای شبکه پایه شعاعی استفاده میشود دارم و ممنون میشم در این زمینه کمکم کنید.

سلام،

 

توابع با پایه ی شعاعی یا همون rbfها در تابع محرک لایه ی میانیشون معمولا از توابع گوسی استفاده می کنن و در لایه ی خروجی از توابع خطی.

در این شبکه ی عصبی فاصله ی بین هر الگو با بردار مرکز هر نرون در لایه ی میانی به عنوان ورودی تابع شعاعی در نظر گرفته میشه.

و در فضای چند بعدی سطح آستانه ی نرون های لایه ی میانی به صورت توابع گوسی هست که بیشترین مقدار رو در مرکز دارن.

علت انتخاب توابع گوسی در لایه ی میانی اینه که:

این شبکه مسئله ی دسته بندی رو خوب حل می کنه چون به صورت شعاعی میتونه الگوها رو به روی دایره های متحد المرکز تقسیم کنه و بردارهای مختلف با فاصله های یکسان از مرکز رو در یک دسته قرار بده.

از توابع دیگه مثل کروی ها وهذلولوی ها هم میشه استفاده کرد اما در زمینه ی دسته بندی و خوشه بندب لایه ی میانی ازشون کمتر استفاده میشه(به علت هایی که ذکر شد).

 

امیدوارم گویا بوده باشه.