径向基函数

径向基函数（RBF）是一个实值函数φ，其值只取决于输入和某个固定点之间的距离。其值只取决于输入和某个固定点（或者原点）之间的距离，是一个径向函数。距离通常是欧几里得距离，尽管有时也会使用其他度量。构成了某个感兴趣的函数空间的基，因此得名。径向基函数之和通常被用来近似给定的函数。这种近似过程也可以解释为一种简单的神经网络；这就是它们最初被应用于机器学习的背景，RBF也被用作支持向量分类的内核。该技术已被证明是有效和灵活的，因此径向基函数现在被应用于各种工程应用。

径向函数是一个函数构成哈氏空间的基础，也就是说，插值矩阵(1)是非正弦的。

无限平滑的RBFs这些径向基函数是严格的正定函数。并且是严格的正定函数，需要调整一个形状参数，因此具有稀疏的微分。因此，具有稀疏的微分矩阵凹凸函数

径向基函数通常用于建立以下形式的函数近似可以用线性最小二乘法的矩阵方法估计。可以用线性最小二乘法的矩阵方法来估计，因为近似函数对权重是线性的。这类近似方案特别适用于表现出足够简单的混沌行为的非线性系统的时间序列预测和控制，以及计算机图形中的三维重建。