Sobre o treinamento das redes RBF, podemos afirmar: O treinamento da rede RBF, ao contrário da rede MLP, é totalmente não supervisionado. O treinam...

Sobre o treinamento das redes RBF, podemos afirmar: O treinamento da rede RBF, ao contrário da rede MLP, é totalmente não supervisionado. O treinamento da rede RBF é totalmente supervisionado, uma vez que demanda os rótulos dos exemplos para ajuste dos parâmetros de todos os neurônios. A rede RBF pode ser treinada de três formas principais: neurônios ocultos com centros fixos sobre exemplos de treino; abordagem hibrida, no qual os parâmetros das unidades ocultas são ajustados de forma não supervisionada e os neurônios de saída de forma supervisionada, ou totalmente supervisionada. A rede RBF possui os parâmetros da camada oculta fixos e os parâmetros da camada de saída são ajustados de forma supervisionada utilizando o aprendizado competitivo. A rede RBF, de forma semelhante a rede SOM, segue o aprendizado não supervisionado competitivo. Os parâmetros de ambas as camadas são ajustados com o objetivo de minimizar a distância entre exemplos de treinamento e seus respectivos vetores representantes na rede.

a) A rede RBF pode ser treinada de três formas principais: neurônios ocultos com centros fixos sobre exemplos de treino; abordagem hibrida, no qual os parâmetros das unidades ocultas são ajustados de forma não supervisionada e os neurônios de saída de forma supervisionada, ou totalmente supervisionada.
b) A rede RBF, de forma semelhante a rede SOM, segue o aprendizado não supervisionado competitivo. Os parâmetros de ambas as camadas são ajustados com o objetivo de minimizar a distância entre exemplos de treinamento e seus respectivos vetores representantes na rede.
c) A rede RBF possui os parâmetros da camada oculta fixos e os parâmetros da camada de saída são ajustados de forma supervisionada utilizando o aprendizado competitivo.