python - RBF 层 - 理解困难

Question

我想实现一个 RBFN 并在 StackOverflow 上找到了这段代码。虽然我明白一些代码，但我不明白什么 gamma , kwargs ，以及整个 call功能。
有人可以向我解释一下吗？

from keras.layers import Layer
from keras import backend as K

class RBFLayer(Layer):
    def __init__(self, units, gamma, **kwargs):
        super(RBFLayer, self).__init__(**kwargs)
        self.units = units
        self.gamma = K.cast_to_floatx(gamma)
def build(self, input_shape):
    self.mu = self.add_weight(name='mu',
                              shape=(int(input_shape[1]), self.units),
                              initializer='uniform',
                              trainable=True)
    super(RBFLayer, self).build(input_shape)

def call(self, inputs):
    diff = K.expand_dims(inputs) - self.mu
    l2 = K.sum(K.pow(diff,2), axis=1)
    res = K.exp(-1 * self.gamma * l2)
    return res

def compute_output_shape(self, input_shape):
    return (input_shape[0], self.units)

Answer 1

Gamma :根据文档:gamma参数定义了单个训练示例的影响范围，低值表示“远”，高值表示“接近”。模型的行为对 gamma 非常敏感范围。当gamma非常小，模型太受约束，无法捕捉数据的复杂性或“形状”。这是一个超参数。
kwargs :**kwargs用于让函数采用任意数量的关键字参数。 Details .
调用 :在调用函数中，您正在计算径向基函数内核，即。 RBF核，定义如下。

source .
分子部分的计算:

diff = K.expand_dims(inputs) - self.mu
l2 = K.sum(K.pow(diff,2), axis=1)

分母部分的计算:

res = K.exp(-1 * self.gamma * l2)

self.gamma可以表示如下