径向基函数神经网络（radial basis function neural network），工学-控制科学与工程-智能控制-智能控制-模糊控制-人工神经网络，一种使用径向基函数作为激活函数的人工神经网络。又称RBF神经网络。由美国学者J.穆迪（J.Moody）和C.达肯（C.Darken）于1988年提出。径向基函数神经网络是一种三层前向网络，用径向基函数作为隐单元的“基”构成隐含层空间，将输入矢量直接（不需要通过权连接）映射到隐含层空间。当径向基函数的中心点确定以后，映射关系随之确定。由于网络的输出是隐单元输出的线性加权和，故隐含层空间到输出空间的映射是线性的。而网络由输入到输出的映射是非线性的，网络的输出对可调参数而言是线性的，因此，径向基函数神经网络的权可由线性方程直接解出，大大加快了学习速度并避免局部极小问题。径向基函数神经网络能够以任意精度逼近任意连续函数，可处理系统内难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，适于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等研究领域。