径向基函数网络 RBF神经网络定义 RBF神经网络工作原理 RBF神经网络模型 RBF神经网络学习算法 实例径向基函数网络（RBF网络） 径向基函数是多维空间插值的传统技术，根据生物神经元具有局部响应这一特点，将RBF引入到神经网络设计中，产生了RBF神经网络。 RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 RBF网络是一种单隐层的三层前向网络 RBF神经网络有两种模型：正规化网络和广义网络 RBF网络的基本思想 用RBF作为隐单元的“ 基” 构成隐函数空间，将输入矢量直接映射到隐空间（不需要通过权连接） 当RBF的中心确定后，映射关系也就确定 隐含层空间到输出空间的映射是线性的RBF网络的工作原理 函数逼近： 以任意精度逼近任一连续函数。一般函数都可表示成一组基函数的线性组合，RBF网络相当于用隐层单元的输出构成一组基函数，然后用输出层来进行线性组合，以完成逼近功能。 分类： 解决非线性可分问题。RBF网络
