2.2径向基神经网络 径向基(radical basis function，RBF)神经网络由Broomhead和Lowe于1988年根据生物神经元具有局部响应的特点将RBF引入神经网络设计所得^[37]。它是一类以函数逼近理论为基础构造的前向神经网络，其结构与多层前馈神经网络类似，包含3层，见图2：第1层为输入层，由信号源结点组成，在RBF网络中，输入层仅仅起到传输信号的作用，与第二层之间可以看作连接权值为1的连接；第2层为隐含层，该层的激活函数为径向基函数，该函数为对中心点径向对称且衰减的非负非线性的局部响应函数，隐含层对输入矢量进行非线性变换，将低维的模式输入数据变换到高维空间内，使得在低维空间内的线性不可分问题在高维空间内线性可分；第3层为输出层，从隐含层到输出层进行线性变换，对输入模式做出响应。RBF神经网络中最常用的径向基函数为高斯函数，构造和训练一个RBF神经网络就是通过网络的不断学习来映射函数确定出每个隐含层神经元年基函数的中心c、宽度σ以及隐含层到输出层的权值ω的过程。

    RBF网络是一种局部逼近网络，即对于输入空间的某一局部区域只存在少数的神经元用于决定网络的输出 ......