bp和rbf的區別

BP網絡用於函數逼近時，權值的調節採用的是負梯度下降法，這種調節權值的方法有它的侷限性，既存在着收斂速度慢和局部極小等缺點。而徑向基神經網絡在逼近能力、分類能力和學習速度等方面均優於BO網絡。從理論上講，RBF網絡和BP網絡一樣可近似任何的連續非線形函數，兩者的主要差別在於各使用不同的作用函數，BP網絡中的隱層節點使用的是Sigmoid函數，其函數值在輸入空間中無限大的範圍內為非零值，而RBF網絡的作用函數則是局部的。

rbf：

1985年，Powell提出了多變量插值的徑向基函數（RBF）方法。徑向基函數是一個取值僅僅依賴於離原點距離的實值函數，也就是Φ（x）=Φ（‖x‖），或者還可以是到任意一點c的距離，c點稱為中心點，也就是Φ（x，c）=Φ（‖x-c‖）。任意一個滿足Φ（x）=Φ（‖x‖）特性的函數Φ都叫做徑向基函數，標準的一般使用歐氏距離（也叫做歐式徑向基函數），儘管其他距離函數也是可以的。最常用的徑向基函數是高斯核函數 ,形式為 k（x-xc）=exp{- x-xc^2/（2*σ）^2） } 其中x_c為核函數中心，σ為函數的寬度參數 , 控制了函數的徑向作用範圍。