ประเภทเครือข่ายฟีดฟอร์เวิร์ดยอดนิยมคือเครือข่ายฟังก์ชันพื้นฐานแนวรัศมี (RBF) มีสองชั้นโดยไม่นับชั้นอินพุต และแตกต่างจาก perceptron แบบหลายชั้นในวิธีการที่หน่วยที่ซ่อนอยู่ใช้การคำนวณ
หน่วยที่ซ่อนอยู่แต่ละหน่วยจะกำหนดจุดเฉพาะในพื้นที่อินพุตและเอาต์พุตหรือการเปิดใช้งานอย่างมีนัยสำคัญสำหรับอินสแตนซ์ที่กำหนดโดยพิจารณาจากระยะห่างระหว่างจุดและอินสแตนซ์ซึ่งเป็นจุดที่แตกต่างกันเท่านั้น ยิ่งสองจุดนี้ใกล้กันมากเท่าไหร่ การเปิดใช้งานก็จะยิ่งดีขึ้นเท่านั้น
สิ่งนี้ดำเนินการโดยใช้ฟังก์ชันการแปลงแบบไม่เชิงเส้นเพื่อแก้ไขระยะทางให้เป็นการวัดความคล้ายคลึงกัน โดยทั่วไปแล้วบริการเปิดใช้งาน Gaussian รูปทรงระฆังซึ่งความกว้างอาจแตกต่างกันไปสำหรับแต่ละยูนิตที่ซ่อนอยู่เพื่อวัตถุประสงค์นี้ หน่วยที่ซ่อนอยู่เรียกว่า RBF เนื่องจากจุดในพื้นที่อินสแตนซ์ที่หน่วยที่ซ่อนอยู่กำหนดทำให้เกิดการกระตุ้นที่คล้ายกันในรูปแบบไฮเปอร์สเฟียร์หรือไฮเปอร์เอลป์ซอยด์
เลเยอร์เอาต์พุตของโครงสร้าง RBF นั้นคล้ายกับเลเยอร์ของเพอร์เซปตรอนแบบหลายชั้น - ใช้ชุดเอาต์พุตเชิงเส้นของหน่วยที่ซ่อนอยู่และในประเด็นการจัดหมวดหมู่จะส่งผ่านฟังก์ชันซิกมอยด์
พารามิเตอร์ที่เครือข่ายดังกล่าวเข้าใจคือจุดศูนย์กลางและความกว้างของ RBF และน้ำหนักที่ใช้ในการออกแบบชุดเชิงเส้นของเอาต์พุตที่ได้มาจากเลเยอร์ที่ซ่อนอยู่ ประโยชน์ที่สำคัญเหนือเพอร์เซปตรอนแบบหลายชั้นคือสามารถตัดสินใจเลือกพารามิเตอร์กลุ่มแรกโดยไม่ขึ้นกับกลุ่มที่สองและสร้างตัวแยกประเภทที่แม่นยำ
วิธีหนึ่งในการตัดสินใจเลือกพารามิเตอร์กลุ่มแรกคือการใช้คลัสเตอร์ สามารถใช้อัลกอริธึมการจัดกลุ่ม k-mean อย่างง่าย โดยจัดกลุ่มแต่ละคลาสแยกกันเพื่อรับฟังก์ชัน k-basis สำหรับแต่ละคลาส
เข้าใจพารามิเตอร์กลุ่มที่สองโดยการรักษาพารามิเตอร์แรกให้คงที่ ซึ่งรวมถึงการเรียนรู้ตัวแยกประเภทเชิงเส้นอย่างง่ายโดยใช้วิธีใดวิธีหนึ่ง เช่น การถดถอยเชิงเส้นหรือลอจิสติก หากมีหน่วยที่ซ่อนอยู่น้อยกว่าอินสแตนซ์การฝึกอบรม สามารถทำได้อย่างรวดเร็ว
ข้อจำกัดของเครือข่าย RBF คือให้แต่ละแอตทริบิวต์มีน้ำหนักเท่ากัน เนื่องจากทั้งหมดได้รับการพิจารณาอย่างเท่าเทียมกันในการคำนวณระยะทาง เว้นแต่พารามิเตอร์น้ำหนักแอตทริบิวต์จะอยู่ในกระบวนการปรับให้เหมาะสมทั้งหมด
ดังนั้นพวกเขาจึงไม่สามารถจัดการกับคุณลักษณะที่ไม่เหมาะสมได้อย่างมีประสิทธิภาพกับการรับรู้แบบหลายชั้น เครื่องเวกเตอร์สนับสนุนแบ่งปันปัญหาที่คล้ายคลึงกัน เครื่องสนับสนุนเวกเตอร์ที่มีเมล็ดเกาส์เซียน (เช่น “เมล็ด RBF”) เป็นวิธีที่แน่นอนของเครือข่าย RBF โดยที่หนึ่งฟังก์ชันจะเน้นที่อินสแตนซ์การฝึกอบรมแต่ละรายการ ฟังก์ชันพื้นฐานทั้งหมดมีความกว้างใกล้เคียงกัน และผลลัพธ์จะถูกรวมเป็นเส้นตรงโดยการคำนวณ ไฮเปอร์เพลนขอบสูงสุด นี่ส่งผลให้ RBF บางตัวมีน้ำหนักไม่เป็นศูนย์ซึ่งกำหนดเวกเตอร์รองรับ
