Page 34 - 4703

точки до лінії "сигмоїдного схилу", в мережі, побудованій на
радіальних базисних функціях (Broomhead and Lowe, 1988;
Moody and Darkin, 1989; Haykin, 1994), елемент реагує
(нелінійно) на відстань від цієї точки до "центру", що
відповідає цьому радіальному елементу. Поверхня відгуку
радіального елементу є гаусовою функцією (дзвоноподібної
форми), з вершиною в центрі і пониженням до країв. Нахил
гаусового радіального елементу можна міняти подібно до то-
го, як можна міняти нахил
сигмоїдної кривої в MLP.
Елемент багатошарового пер-
септрона повністю задається
значеннями своїх ваг і по-
рогів, які в сукупності визна-
чають рівняння розділяючої
прямої і швидкість зміни
функції при відході від цієї
лінії. До дії сигмоїдної
функції активації рівень акти-
вації такого елементу визна-
чається гіперплощиною, тому
в системі ST Neural Networks
такі елементи називається
лінійними (хоча функція активації, як правило, нелінійна). На
відміну від них, радіальний елемент задається своїм центром і
"радіусом". Положення точки в N-вимірному просторі визна-
чається N числовими параметрами, тобто їх рівно стільки ж,
скільки ваг у лінійного елементу і тому координати центру
радіального елементу в пакеті ST Neural Networks зберігаються
як "ваги". Його радіус (відхилення) зберігається як "поріг".
Слід виразно розуміти, що "ваги" і "пороги" радіального еле-
менту принципово відрізняються від ваг і порогів лінійного
елементу і, якщо забути про це, термін може ввести в оману.
Радіальні ваги насправді представляють точку, а радіальний
поріг - відхилення.
Мережа типу радіальної базисної функції (RBF) має
проміжний шар з радіальних елементів, кожен з яких відтво-
рює гаусову поверхню відгуку. Оскільки ці функції нелінійні,
для моделювання довільної функції немає необхідності брати
більше за один проміжний шар. Для моделювання будь-якої

34