Red de funciones de base radial

Una red de funciones de base radial es una red neuronal artificial que utiliza funciones de base radial como funciones de activación .

La salida de la red es una combinación lineal de las funciones de base radial de las entradas y parámetros de la neurona. Las redes de funciones de base radial tienen muchas aplicaciones, incluidas funciones de aproximación , pronóstico de series temporales , clasificación y sistemas de control .

Formulado por primera vez en 1988 por Broomhead y Lowe.

Literatura

J. Moody y CJ Darken, "Aprendizaje rápido en redes de unidades de procesamiento ajustadas localmente", Neural Computation, 1, 281-294 (1989). Ver también Redes de funciones de base radial según Moody y Darken
T. Poggio y F. Girosi, "Redes para la aproximación y el aprendizaje", Proc. IEEE 78(9), 1484-1487 (1990).
Roger D. Jones , YC Lee, CW Barnes, GW Flake, K. Lee, PS Lewis y S. Qian, ? Aproximación de funciones y predicción de series temporales con redes neuronales ,? Actas de la Conferencia Internacional Conjunta sobre Redes Neuronales, 17-21 de junio, p. I-649 (1990).
Martín D. Buhmann. Funciones de base radial : teoría e implementaciones . — Universidad de Cambridge, 2003.
Yee, Paul V. y Haykin, Simon. Redes de Función de Base Radial Regularizada: Teoría y Aplicaciones . —John Wiley, 2001.
John R. Davies, Stephen V. Coggeshall, Roger D. Jones y Daniel Schutzer, "Sistemas de seguridad inteligentes", en Freedman, Roy S., Flein, Robert A. y Lederman, Jess, Editors. Inteligencia Artificial en los Mercados de Capitales . —Chicago: Irwin, 1995.
Simón Haykin. Redes neuronales: una base integral . — 2ª edición. - Upper Saddle River, Nueva Jersey: Prentice Hall , 1999.
S. Chen, CFN Cowan y PM Grant, "Algoritmo de aprendizaje de mínimos cuadrados ortogonales para redes de función de base radial", IEEE Transactions on Neural Networks, Vol 2, No 2 (marzo) 1991.

Tipos de redes neuronales artificiales

Red feed-forward ( Red de funciones de base radial )
Perceptrón de una sola capa
Perceptrón multicapa ( Rosenblatt • Rumelhart )
Red Hopfield
cadena de Markov
máquina de Boltzmann
Máquina Boltzmann limitada
Codificador automático ( Codificador automático de eliminación de ruido • Codificador automático disperso [en • Codificador automático variacional )
Red profunda de confianza
Red neuronal convolucional
Red neuronal convolucional profunda
Red neuronal de despliegue
Red gráfica inversa convolucional profunda
Red adversaria generativa
Red neuronal recurrente
Redes Neuronales Recursivas
memoria a corto plazo
Bloque recurrente controlado
Máquinas neurales de Turing
Red bidireccional (Red neuronal recurrente bidireccional • Red bidireccional con memoria a corto plazo larga • Neuronas recurrentes controladas bidireccionales )
Red residual profunda
Red de eco neuronal
Método de aprendizaje extremo
Método de estados inestables
Máquinas de vectores soporte
Red Kohonen
Mapa autoorganizado de Kohonen
Red neuronal de la cápsula
Memoria asociativa en redes neuronales

Inteligencia artificial
Historia	Historia de la inteligencia artificial Invierno de inteligencia artificial Seminario de Dartmouth
Filosofía	prueba de Turing cuarto chino Inteligencia artificial fuerte y débil Inteligencia artificial amigable La ética de la inteligencia artificial Problema de control
Direcciones	Enfoque del agente control adaptativo Ingeniería del conocimiento Modelo de sistema viable Aprendizaje automático red neuronal lógica difusa procesamiento natural del lenguaje Reconocimiento de patrones Inteligencia de enjambre IA simbólica Algoritmos evolutivos Experto en Sistemas
Solicitud	Control de voz Problema de clasificación Clasificación de documentos Agrupación de documentos análisis de conglomerados Busqueda local Traducción automática Reconocimiento óptico de caracteres Reconocimiento de voz Reconocimiento de escritura a mano IA del juego
Investigadores	Charles Babbage vladimir vapnik José Weizenbaum Norberto Wiener Viktor Glushkov Vladímir Gorodetsky Jan Le Cun Alexey Liapunov Juan McCarthy marvin minski allen newell Seymour Papel Perla de Judá Germógen Pospelov Dmitri Pospelov Frank Rosenblatt Herbert Alejandro Simón alan turing patricio winston Víctor Finn sergey fomin demis hassabis Geoffrey Hinton Noam Chomsky claude shannon andres eun Eliezer Yudkovski

Aprendizaje automático y minería de datos
Tareas	Problema de clasificación Aprender sin un maestro Aprendizaje asistido por profesores Análisis de regresión AutoML reglas de asociación Extracción de características entrenamiento de rasgos Entrenamiento de clasificación Derivación gramatical Aprender en línea
Aprendiendo con un maestro	método del k-vecino más cercano Clasificador bayesiano ingenuo árbol de decisión Máquinas de vectores soporte Regresión lineal Regresión logística perceptrón conjuntos de modelos Harpillera impulsar bosque aleatorio Método de vector relevante
análisis de conglomerados	método k-medias método de agrupamiento difuso Agrupación jerárquica algoritmo EM ABEDUL CURAR DBSCAN ÓPTICA Desplazamiento medio
Reducción de dimensionalidad	Análisis factorial Método de componentes principales CCA ACI LDA Expansión de matriz no negativa t-SNE
Pronóstico estructural	Graficar modelo probabilístico red bayesiana Modelo oculto de Markov FRC
Detección de anomalías	método del k-vecino más cercano Nivel de emisión local
Graficar modelos probabilísticos	red bayesiana Red de Markov Modelo oculto de Markov
Redes neuronales	Máquina Boltzmann limitada mapa autoorganizado Función de activación Sigmoideo softmax Funcion de base radial Método de propagación hacia atrás Aprendizaje profundo perceptrón multicapa Red neuronal recurrente memoria a corto plazo Bloque recurrente controlado Red neuronal convolucional U-red Codificador automático
Aprendizaje reforzado	proceso de Markov Ecuación de Bellman Algoritmo codicioso Q-aprendizaje SARAS Diferencia temporal (DT)
Teoría	Teoría de Vapnik-Chervonenkis Dilema de dispersión de sesgo Teoría del aprendizaje computacional Minimización empírica del riesgo El aprendizaje de Occam aprendizaje PAC Teoría del aprendizaje estadístico
revistas y congresos	NeurIPS ICML ML JMLR ArXiv:cs.LG