人工神经网络/径向基函数网络

径向基函数 (RBF) 网络是一种具有三层的神经网络。第一层输入层将数据馈送到隐藏的中间层。隐藏层处理数据并将其传输到输出层。在训练过程中，只有隐藏层和输出层之间的抽头权重被修改。每个隐藏层神经元代表输出空间的一个基函数，相对于输入空间中的一个特定中心。通常选择的激活函数是高斯核

$\sigma (\zeta )=e^{-\beta \zeta ^{2}}$

该核以权重向量指定的输入空间中的点为中心。输入信号越接近当前权重向量，神经元的输出就越高。径向基函数网络通常用于函数逼近和序列预测。