5-4. Radial Basis Function(RBF) Neural Network

---

< 목차 >

1. 용어정의
2. Radial basis function(RBF) neural network

---

1. 용어정의

• 피드백 후 작성 예정입니다.

---

2. Radial basis function(RBF) neural network

RBF 뉴럴네트워크는 아래의 Gaussian basis function을 이용하는 것으로, 각각의 Center 와 Width를 가지는 정규분포의 선형적 결합으로 타겟데이터의 분포를 근사하는 것이다.

 

 

따라서, RBF 뉴럴네트워크는 두 단계로 학습된다.

 

• 첫번째는 각 Basis function의 Center 와 Width 를 추정하는데, 입력데이터만 이용하기 때문에 비지도 학습이다.
• 두번째는 입력데이터와 타겟데이터를 이용해서 네트워크의 가중치 W를 구하며 이때는 지도 학습이다.  

 

위의 과정은 아래와 같은 예시로 표현할 수 있다.

 

 

이러한 RBF 뉴럴네트워크는 기존의 MLP(Multi-layer Perceptron) 뉴럴네트워크와 두드러지는 차이점이 있는데, MLP 뉴럴네트워크는 선형의 초평면(Hyperplane)으로 데이터를 구분하는 반면에 RBF 뉴럴네크워크는 각 데이터에 맞는 Kernel function (Gaussian basis function)을 이용하기 때문에 비선형적이고, MLP보다 학습이 더 빠르다는 장점이 있다.

 

 

 

---