Việc huấn luyện mạng RBF bao gồm:
- Phân chia mỗi vector tham số nút v(m) là một vector mẫu đồng nhất x(q) (v(m) ←x(q)).
- Chọn lựa một tham số σm để điều chỉnh trường thu.
- Vẽ ra một tập các trọng số ban đầu {umj} tại lớp ngõ ra để bắt buộc tổng sai số bình phương tổng (TSSE) E càng giảm càng tốt, với:
Bởi vì việc huấn luyện giám sát này các tập hợp tự tổ chức tốt hơn, các mẫu tương ứng của cập mẫu vector đặc trưng ngõ vào và vector mục tiêu ngõ ra (bộ nhận dạng) {x(q), t(q)} phải được cho.
Trang 24
Các hệ biến hóa khác của mạng RBF được xác định cách huấn luyện bởi Wasserman (1993). Trong trường hợp đơn giản nhất, các trọng số {vn(m)} tại các nút lớp ẩn và {um} tại các nút ngõ ra còn lại cố định (không yêu cầu huấn luyện). Trường hợp thứ hai là chỉ huấn luyện các trọng số {um} tại các nút ngõ ra. Trường hợp thứ ba là huấn luyện tất cả các trọng số, vector trung tâm và các tham số khác. Mỗi RBF phụ thuộc vào vector tâm của nó v(m), nơi mà nó đạt giá trị cực đại và được biến đổi bởi bất kỳ ngõ vào x nào gần v(m). Nó hoàn toàn không phản ứng khi x ở xa tâm v(m).
Mỗi RBF fm (-; v(m)) tương ứng với một miền lồi hẹp (trường thu) của không gian đặc trưng. Đó là, fm (x(q);v(m)) có biên độ lớn khi x(q) gần tâm nút v(m). phần lớn các hàm này được bao bởi hoặc không gian đặc trưng hoặc các lớp phụ trong không gian đặc trưng với các trường thu của chúng, để mà các lớp nút ngõ ra có thể OR (nối tiếp nhau) với nhau vào trong các miền lớp không lồi (các miền lớp có thể phân ra một các phi tuyến). Do đó, không có số lượng lớn các RBF để bao tất cả các lớp phụ mà nó được phân ra một cách tuyến tính.