RBF神经网络

RBF神经网络是一种径向基函数神经网络，它是由Powell在1985年提出的，其结构特点是只有输入层和输出层，没有隐含层。RBF神经网络的工作原理是：首先将输入数据映射到高维空间中，然后通过径向基函数进行非线性变换，最后输出结果。RBF神经网络具有自学习和泛化能力强、收敛速度快等优点，因此在模式识别、分类、回归等领域得到了广泛应用。