目前，在控制领域内神经网络正在稳步地发展，这种发展的动力主要来自3个方面[1]：(1)处理越来越复杂的系统的需要；(2)实现越来越高的设计目标的需要；(3)在越来越不确定的情况下进行控制的需要。
在控制中，应用较多的网络是BP网络，但BP网络存在局部最优问题，并且训练速度慢，效率低。RBF网络在一定程度上克服了这些问题，因此它的研究与应用越来越得到重视。下面将简单介绍RBF神经网络的有关理论，以及其在控制中的应用。
1 RBF神经网络介绍
RBF神经网络(Radial Basis Function Neural Network)，即径向基神经网络，由Moody和 Darken在1988年提出，其结构如图1所示，是一种性能良好、具有单隐层的三层前向网络。输入层由信号源节点组成，第二层为隐含层，第三层为输出层。从输入空间到隐含层空间的变换是非线性的，而从隐含层空间到输match出层空间的变换是线性的，隐单元的变换函数是径向基函数，输出层神经元采用
版权声明：本文为weixin_31652625原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。