RBF 层 - 难以理解答案

【问题标题】：RBF Layer - difficulty in understandingRBF 层 - 难以理解
【发布时间】：2021-06-19 09:13:02
【问题描述】：

我想实现一个 RBFN，并在 StackOverflow 上找到了这段代码。虽然我确实理解了一些代码，但我不明白 gamma、kwargs 和整个 call 函数是什么。谁能给我解释一下？

from keras.layers import Layer
from keras import backend as K

class RBFLayer(Layer):
    def __init__(self, units, gamma, **kwargs):
        super(RBFLayer, self).__init__(**kwargs)
        self.units = units
        self.gamma = K.cast_to_floatx(gamma)
def build(self, input_shape):
    self.mu = self.add_weight(name='mu',
                              shape=(int(input_shape[1]), self.units),
                              initializer='uniform',
                              trainable=True)
    super(RBFLayer, self).build(input_shape)

def call(self, inputs):
    diff = K.expand_dims(inputs) - self.mu
    l2 = K.sum(K.pow(diff,2), axis=1)
    res = K.exp(-1 * self.gamma * l2)
    return res

def compute_output_shape(self, input_shape):
    return (input_shape[0], self.units)

【问题讨论】：

标签： python tensorflow machine-learning deep-learning neural-network

【解决方案1】：

Gamma：根据文档：gamma 参数定义了单个训练示例的影响范围，低值表示“远”，高值表示“接近”。模型的行为对gamma 参数非常敏感。当gamma 非常小时，模型过于受限，无法捕捉数据的复杂性或“形状”。这是一个超参数。

kwargs：**kwargs 用于让函数采用任意数量的关键字参数。 Details.

调用：在调用函数中，您正在计算径向基函数内核，即。 RBF核，定义如下。

source.

分子部分的计算：

diff = K.expand_dims(inputs) - self.mu
l2 = K.sum(K.pow(diff,2), axis=1)

分母部分的计算：

res = K.exp(-1 * self.gamma * l2)

self.gamma可以表示如下

【讨论】：

嗨，self.mu 是什么？
有什么问题？你的意思是self的目的是什么？或self.mu，这只是训练变量，即。 x' 在公式中。
好吧，我明白了。
感谢您的回答。我已将赏金授予此答案。