根据下面的链接，我不明白什么是“神经元i的中心向量”，换句话说就是“ RBF单元的中心也称为原型”。
read the Network architecture in this link
请我需要您的帮助。
最佳答案
如果您继续阅读链接中的“培训”部分，它将说明中心向量是什么：
阅读上面的内容，在我看来，您拥有一组样本，即x，并从中选择了多个中心向量-每个隐藏层中的神经元一个。广义上讲，中心向量是样本数据中聚类的中心。
如评论所述，您可以使用无监督聚类算法（例如k-means）在数据中查找n个聚类中心，其中n是您要处理的隐藏层中神经元的数量。不同的层可能具有更多或更少的神经元，因此将相应地具有更多或更少的中心向量。
然后，RBF通过它们之间的欧几里得距离的某个函数将每个单独的样本x与每个中心向量相关联。
关于machine-learning - 径向基函数网络(RBF网络)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/19740178/