重写：RBF神经网络最大的特点是使用径向基函数作为隐单元的“基”构成隐藏层空间，隐藏层对输入适量进行变换，将低维的模式输入数据变换到高维空间内，使得在低维空间内的线性不可分问题高维空间内线性可分。由于其结构简单、训练简洁、学习收敛速度快、能够逼近任意非线性函数，克服局部最小值问题，学习速度和逼近能力都优于BP神经网络等其他函数逼近网络。因此本文选择RBF神经网络实现人体运动过程中的膝关节角度全局实时逼近。

重写：RBF神经网络的最大特点在于利用径向基函数作为隐单元的“基”构成隐藏层空间。隐藏层对输入数据进行适量变换，将低维的模式输入转化为高维空间内的向量表示，从而解决了在低维空间内的线性不可分问题。相比其他函数逼近网络，如BP神经网络，RBF神经网络结构更为简单，训练更加简洁，学习收敛速度更快，能够逼近任意非线性函数，同时还能够克服局部最小值问题。因此，本文选用RBF神经网络实现人体运动过程中膝关节角度的全局实时逼近。