Радиальные сети базиса могут потребовать больше нейронов, чем стандартные сети обратного распространения с feedforward, но часто они могут быть спроектированы за часть времени, необходимого для обучения стандартных сетей прямого распространения с прямой связью. Они работают лучше всего, когда доступно много обучающих векторов.
Вы, возможно, захотите проконсультироваться по этой теме: Chen, S., C.F.N. Cowan, and PM Grant, «Ортогональный алгоритм обучения методом наименьших квадратов для функциональных сетей радиального базиса», Транзакции IEEE в нейронных сетях, том 2, № 2, март 1991, стр. 302-309.
В этой теме рассматриваются два варианта радиальных сетей базиса, обобщенные регрессионые сети (GRNN) и вероятностные нейронные сети (PNN). Вы можете прочитать о них 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 сети базиса могут быть спроектированы с любым newrbe или newrb. GRNN и PNN могут быть спроектированы с newgrnn и newpnn, соответственно.