NEURONSKE MREE

Radial basis
function (RBF)
networks

OSNOVNA STRUKTURA
NEURONA

Ulazne vrednosti:
Teine od j do i:
Izlazna vrednost:
Funkcija aktivacije:

RADIJALNE FUNKCIJE
Vrednost radijalne funkcije zavisi samo od
udaljenosti od svog centralnog vektora c, odnosno
one su radijalno simetrine u odnosu na centar

Obino se uzima Gausova funkcija, mada mogu se

koristiti i neke druge koje su monotono opadajue
na intervalu [0, ]

STRUKTURA RBF
NEURONSKE MREE
Sastoje se iz tri sloja
Ulazni
Skriveni (RBF neuroni)
Izlazni

Potpuno povezani
Veze izmeu ulaznog i skrivenog
sloja nemaju teine (samo prenose
ulaz na skriveni sloj)
Svi ulazni vektori koji su jednako
udaljeni od centra RBF neurona daju
isti izlaz
Slian princip kao kod k-NN

TOK INFORMACIJA U RBF

MREI

Rastojanje
ulaznog vektora od centra RBF neurona obino se
rauna kao Euklidsko rastojanje
To rastojanje predstavlja ulazni parametar funkcije aktivacije
Gausove funkcije

Parametri (centar krive) i (irina krive) definiu se za svaki

pojedinani RBF neuron i predstavljaju deo funkcije aktivacije.

TOK INFORMACIJA U RBF

MREI
Vrednost

izlaznog neurona zavisi od rastojanja ulaznog vektora x od

centra RBF neurona, i teine RBF do izlaznog neurona, .
Svaki izlazni neuron rauna pripadnost razliitoj kategoriji, pa e se
pozitivne teine obino dodeliti onim RBF neuronima koji pripadaju
datoj kategoriji, a ostalim negativne.

OBUAVANJE
Sastoji se iz dva dela:
1. Inicijalizacija centara RBF neurona (nasumino ili korienjem kmeans algoritma)
Vrednosti mogu biti fiksirane ili sa mogunou adaptiranja u toku procesa
uenja
Fiksne vrednosti se mogu birati nasumino ili odrediti pomou nekog algoritma
za klasterovanje, ukoliko imamo razlog da mislimo da su vrednosti na neki nain
grupisane

2. Korekcija teina od RBF do izlaznih neurona

Podeavanje teina i irine Gausove krive (moe biti fiksna za sve RBF neurone ili
posebna vrednost za svaki neuron)

POSTUPAK OBUAVANJA
Poto su nam jedino teine nepoznate, one se mogu izraunati
prekosistema jednaina
T vektor izlaznih vredosti iz obuavajueg skupa (y-vrednosti)
M matrica vrednosti funkcije aktivacije, dimenzija P x H
P dimenzija ulaznog vektora
H dimenzija vektora skrivenih neurona

G vektor teina, dimenzija H x C

H dimenzija vektora skrivenih neurona
C dimenzija vektora izlaznih neurona (broj izlaznih kategorija)

POSTUPAK OBUAVANJA
Raunanje teina

M+ predstavlja Moore-Penrose pseudoinverznu matricu, koja se koristi umesto inverzne je

PRIMENA
Aproksimacija funkcija
Klasifikacija
Predikcija
Kontrola sistema

KORISNE STRANICE
Radial Basis Function Network (RBFN) Tutorial
https
://chrisjmccormick.wordpress.com/2013/08/15/radial-basis-function-networ
k-rbfn-tutorial
/
Radial Basis Function Networks: Cover's Theorem
http://youtu.be/yk_dsPu9Hmg?list=PL53BE265CE4A6C056
Caltech lecture
http://youtu.be/O8CfrnOPtLc
Prepoznavanje i 3d modelovanje lica na osnovu slika korienjem
RBF mrea
http://l3d.cs.colorado.edu/calendar/attachments/2009.04.08.Jcchun.pdf