BP与RBF神经网络比较

相同点：

1. 都是前馈型神经网络；
2. 只要包含足够多隐层神经元，就能以任意精度逼近任意复杂度的连续函数。

不同点：

1. BP是通过不断的调整神经元的权值来逼近最小误差的，其方法一般是梯度下降。而RBF是通过对输入与函数中心点的距离来算权重的，所以第一步就要确定神经元的中心（常用方法有随机采样、聚类等）；
2. BP的激活函数是Sigmoid函数，RBF的激活函数是径向基函数（如高斯函数）；
3. BP具有收敛速度慢，容易陷入局部最优的缺点，RBF具有收敛速度快，全局逼近的特点；
4. BP中间层可以有很多层，而RBF中间层只有一层；

通过以上比较很明显看出RBF要优于BP，但是BP是一种基础的神经网络，其实现简单仍然使用广泛，在训练RBF时可以利用BP来确定参数。