Khi nào nên sử dụng mạng RBF thay vì perceptionron đa lớp?

Tôi hiểu rằng mạng nơ ron chức năng cơ sở xuyên tâm (RBF) thường có 1 lớp ẩn và nó khác với một tri giác đa lớp (MLP) thông qua các chức năng kích hoạt và kết hợp giữa các thứ khác, nhưng làm thế nào để tôi quyết định khi một bộ dữ liệu / vấn đề nào phù hợp hơn với RBF thay vì MLP? Tôi có phải thử cả hai và so sánh kết quả mỗi lần không?

Bạn có thể sử dụng mạng RBF trong trường hợp bạn không nhất thiết phải có nhiều lớp ẩn trong mô hình của mình và quan trọng hơn, bạn muốn mô hình của mình mạnh mẽ để chống nhiễu / ví dụ. Ưu điểm của mạng RBF là chúng mang lại sự mạnh mẽ hơn nhiều cho dự đoán của bạn, nhưng như đã đề cập trước đó, chúng bị hạn chế hơn so với các loại mạng thần kinh thường được sử dụng. Tuy nhiên, các loại mô hình mạng thần kinh thường được sử dụng rất dễ bị nhiễu đối nghịch và có thể đưa ra dự đoán rất sai khi được cung cấp với các ví dụ như đầu vào của chúng. Đây không phải là trường hợp trong các mạng RBF mà dường như là do tính chất phi tuyến tính của các mạng này. Vì vậy, đó là sự đánh đổi giữa độ chính xác cao hơn trong các loại mạng thần kinh thường được sử dụng hoặc độ mạnh cao hơn trong các mạng chức năng cơ sở xuyên tâm.

Nguồn

• Thuộc tính hấp dẫn của mạng lưới thần kinh
• Mạng RBF
• Giải thích và khai thác các ví dụ bất lợi