Motivaci k jejich studiu najdeme v numerické matematice, konkrétně ve studiu interpolací a aproximací dat. Řešení aproximačního problému se většinou hledá jako lineární kombinace basických funkcí v nějakém konkrétním tvaru, například jako kombinace polynomů. V 80. letech se v této souvislosti dostávají do popředí tzv. radiální basické funkce.
Radiální funkce je určená svým středem a její hodnota závisí na vzdálenosti argumentu od tohoto středu. Představíme-li si radiální funkci v dvourozměrném prostoru s euklidovskou metrikou, pak množiny bodů se stejnou funkční hodnotou tvoří kružnice.
Použití radiálních basických funkcí v numerické matematice je následováno vznikem nového modelu neuronové sítě, neuronové sítě typu RBF. Tato síť realizuje lineární kombinaci radiálních basických funkcí. Na řešení aproximace se následně pohlíží jako na problém učení neuronové sítě, což přináší nejen nový pohled na věc, ale především nové metody řešení aproximačních problémů.
Nyní se s tímto modelem seznámíme. Nejprve v části 2.1 popíšeme strukturu a funkci RBF jednotky. Poté v části 2.2 přiblížíme model neuronové sítě typu RBF. Část 2.3 se bude zabývat možnostmi obohacení základního modelu sítě o použití vážených norem a konečně část 2.4 nás uvede do problému učení RBF sítí.