前馈神经网络的常见前馈神经网络

RBF网络是指隐含层神经元由RBF神经元组成的前馈网络。RBF神经元是指神经元的变换函数为RBF（Radial Basis Function，径向基函数）的神经元。典型的RBF网络由三层组成：一个输入层，一个或多个由RBF神经元组成的RBF层（隐含层），一个由线性神经元组成的输出层。

RBF网络本来就是这样的。

原始输入通过径向基函数转化后变得线性可分，隐含层的输出就是经转化后的数据，即“输入”。

另外你试试看这样：net=newrb(x',tt,err_goal,sc,200,1);

看看结果有啥不同。。

SPREAD为径向基函数的扩展系数，默认值为10。合理选择SPREAD是非常重要的，其值应该足够大，使径向基神经元能够对输入向量所覆盖的区间都产生响应，但也不要求大到所有的径向基神经元都如此，只要部分径向基神经元能够对输入向量所覆盖的区间产生响应就足够了。SPREAD的值越大，其输出结果越光滑，但太大的SPREAD值会导致数值计算上的困难，若在涉及网络时，出现“Rank Deficient”警告，应考虑减小SPREAD的值重新设计。

因此，在网络设计的过程中，需要用不同的扩展常数进行尝试，以确定一个最优值。为了更严格地对数据进行拟合，最好使扩展常数的值小于输入向量之间的典型距离。

一般扩展常数取07、08或默认的都可以，要用试凑法。