RBF(径向基）神经网络 非线性函数回归的实现

径向基神将网络的神经元模型：   径向基神经王阔的节点激活函数采用径向基函数，通常定义空间任意一点到某一中心之间的欧氏距离的单调函数。

从模型可以得到，径向基神经网络的激活函数的输入向量是 输入向量和权重向量之间的距离作为自变量，随着权值和输入向量之间的距离减少，网络的输出时递增的，当输入向量和权重向量相等的时，达到最大值1，利用径向基神经网络和线性神经元可以建立广义回归神经网络，此种神经网络额可以适用函数的逼近方面的应用，径向基神经网络和竞争神经网络可以建立被概率神经网络，此种神经网络适合解决分类问题。

RBF神经网络的函数逼近问题：

% RBF网络的回归--非线性函数回归的实现

%% 清空环境变量
clc
clear

%% 产生输入 输出数据 
% 设置步长 
interval=0.01;

% 产生x1 x2
x1=-1.5:interval:1.5;
x2=-1.