RBF网络模拟了人脑中局部调整、相互覆盖接收域（或称感受野，ReceptiveField）的神经网络结构，已证明RBF网络能以任意精度逼近任意连续函数。RBF网络的学习过程与BP网络的学习过程类似，两者的主要区别在于各使用不同的激活函数。BP网络中隐含层使用的是S函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而RBF网络中的激活函数是高斯基函数，其值在输入空间中有限的范围内为非零值，因而RBF网络是局部逼近的神经网络。
以上是《智能控制(第五版)-刘金琨》书的原话。
说简单点就是利用多个高斯基函数和权值ω的乘积之和得到一个逼近原函数值的输出，再通过其和原函数值的误差来反向更新权值(梯度下降法)，如下图
RBF网络结构
其中高斯基函数为
高斯基函数
其中c为高斯函数的中心向量，b为宽度向量，由高斯函数可知，x越接近c，其得到的值越大，反之则越小甚至为0，所以x值具有一定的有意义取值区间，则称之为局部逼近。
五个不同c值的高斯基函数
加入系统中，结构如图
系统结构图
用来反向更新权值的误差函数及更新公式
误差函数
更新公式
简易的实验：对方波跟踪
跟踪局部放大图
标签：高斯,逼近,网络,神经网络,RBF,径向,函数 From： https://www.cnblogs.com/toriyung/p/16859800.html