where F(x) = the approximating func

where F(x) = the approximating function represented as a sum of N radial basis functions,
each associated with different centers cj, and weighted by an appropriate coefficient
wi. The term w0 = a constant term that acts as a shift in the output level, and
xi = the input or the pattern vector. Note that || × || denotes the norm, which is usually
taken to be Euclidean. As will be discussed in Chapter 2, RBFs are embedded in
two-layer neural networks, where each hidden unit implements a radial activated
function (Bors and Pitas, 1996).

Kết quả (Việt) 1:

nơi f (x) = chức năng approximating biểu diễn dưới dạng tổng của N xuyên tâm sở chức năng,mỗi liên kết với Trung tâm khác nhau cj, và trọng bởi một hệ số thích hợpWi. Thuật ngữ w0 = một nhiệm kỳ liên tục hoạt động như một sự thay đổi ở cấp độ đầu ra, vàxi = các đầu vào hoặc các mô hình véc tơ. Lưu ý rằng || × || biểu thị định mức thườngLấy được Euclid. Như sẽ được thảo luận trong chương 2, RBFs được nhúng tronghai lớp mạng nơ-ron, nơi từng đơn vị ẩn thực hiện một bố trí hình tròn được kích hoạtchức năng (Bors và Pitas, 1996).

Kết quả (Việt) 2:

đó F (x) = chức năng Tạo xấp xỉ biểu diễn như là một tổng của N hàm cơ sở xuyên tâm,
từng kết hợp với các trung tâm khác nhau cj, và trọng bởi một hệ số thích hợp
wi. Các W0 hạn = một thuật ngữ liên tục hoạt động như một sự thay đổi trong mức độ đầu ra, và
xi = đầu vào hoặc vector mẫu. Lưu ý rằng || × || biểu thị mức, mà thường được
lấy là Euclide. Như sẽ được thảo luận trong Chương 2, xỉ hàm được nhúng vào trong
các mạng thần kinh hai lớp, trong đó mỗi đơn vị ẩn thực hiện một hình tròn kích hoạt
chức năng (Bors và Pitas, 1996).