Dans une étude réalisée par Powell en 0000, il a été démontré que les points distribués de manière irrégulière pouvaient être calculés par une interpolation multivariée, c'est-à-dire en utilisant une valeur numérique existante pour estimer les parties manquantes, jetant ainsi les bases de la méthode (Sındırgı et Kaptan, 0000, p. 000). Les réseaux de neurones à fonctions de base radiale font généralement partie des types de réseaux neuronaux artificiels utilisés dans l'analyse numérique. La couche cachée de ces réseaux utilise des fonctions d'activation connues sous le nom de fonctions de base radiales. Ils sont particulièrement connus pour leur capacité à représenter efficacement les fonctions dans des espaces multidimensionnels et sont souvent utilisés pour les tâches de régression. De plus, ils possèdent une large gamme d'applications dans divers domaines. Par exemple, ils sont utilisés avec succès dans l'approche fonctionnelle, les prévisions de séries temporelles et les projections financières (Dash et al., 0000, p. 00-00).
В исследовании Пауэлла 0000 года было продемонстрировано, что точки с неравномерным распределением могут быть рассчитаны с использованием многомерной интерполяции, то есть путем использования существующего числового значения для оценки недостающих частей, что заложило основу для метода (Sındırgı и Kaptan, 0000, с. 000). Нейронные сети на основе радиальных базисных функций являются одним из типов искусственных нейронных сетей, используемых в численном анализе. Скрытый слой этих сетей использует функции активации, известные как радиальные базисные функции. Они особенно известны своей способностью эффективно представлять функции в многомерных пространствах и часто используются для задач регрессии. Кроме того, они имеют широкий спектр применений в различных областях. Например, они успешно используются в функциональном анализе, прогнозировании временных рядов и финансовых прогнозах (Dash et al., 0000, с. 00–00).