径向基函数 (RBF)

径向基函数（Radial Basis Function, RBF）是一类满足Φ(x)=Φ(‖x-c‖）特性的实值函数，其输出值仅取决于输入点x到中心点c的欧氏距离（或任意范数距离），并在中心点处达到峰值且关于中心对称。作为连接全连接层与激活层的关键组件，RBF 通过加权求和实现非线性映射，在支持向量机中作为核函数将数据映射至高维空间以解决线性不可分问题，其理论方法亦被用于特高压输电线路的地面电场计算及无网格法求解偏微分方程。

在现代计算架构与机器学习生态中，径向基函数扮演着‘距离感知’的非线性变换角色。它突破了传统全连接神经网络对拓扑结构的依赖，通过局部化特征提取实现高效的数据插值与分类。其核心价值在于将复杂的几何空间关系转化为简单的距离度量问题，使得在地质勘探、信号处理及科学计算（如静电场分析）等对精度要求极高的场景中，能够以高精度和稳定性处理无网格数据。尽管存在计算复杂度随样本量增加而上升的挑战，但其泛化能力强、训练收敛快且无需网格划分的特性，使其成为处理高维小样本数据及物理场模拟的首选工具之一。