Радиальные базовые сети могут требовать больше нейронов, чем стандартные сети обратной связи, но часто они могут быть спроектированы за часть времени, которое требуется для обучения стандартных сетей обратной связи. Они работают лучше всего, когда доступно много обучающих векторов.
Вы можете обратиться к следующему документу по этому вопросу: Chen, S., C.F.N. Cowan и P.M. Grant, «Алгоритм обучения ортогональным наименьшим квадратам для радиальных базовых функциональных сетей», IEEE Transactions on Neural Networks, том 2, № 2, март 1991, стр. 302-309.
В этой теме рассматриваются два варианта радиальных базовых сетей, обобщенные регрессионные сети (GRNN) и вероятностные нейронные сети (PNN). О них можно прочитать в P.D. Wasserman, Advanced Methods in Neural Computing, New York: Van Nostrand Reinhold, 1993, на стр. 155-61 и стр. 35-55 соответственно.
Радиальные базовые сети могут быть спроектированы с помощью newrbe или newrb. GRNN и PNN могут проектироваться с помощью newgrnn и newpnnсоответственно.