1、newrb
其中P为输入向量，T为输出向量，GOAL为均方误差的目标，SPREED为径向基的扩展速度。返回值是一个构建好的网络，用newrb()创建的RBF网络是一个不断尝试的过程，在创建中不断的增加中间层的数量和神经元的数目，直到满足输出的误差为止。
MN为最大的神经元个数，即神经元个数到了MN后立即停止网络训练，DF是每次加进来的网络参数，只是输出的时候用，如下所示：
net=newrb(p,tt,err_goal,3,200,1);
MN设置为26，DF设置为1
NEWRB, neurons = 18, MSE = 0.011491
NEWRB, neurons = 19, MSE = 0.0112313
NEWRB, neurons = 20, MSE = 0.00997861
NEWRB, neurons = 21, MSE = 0.00958902
NEWRB, neurons = 22, MSE = 0.00640151
NEWRB, neurons = 23, MSE = 0.0063966
NEWRB, neurons = 24, MSE = 0.00433493
NEWRB, neurons = 25, MSE = 0.00101596
NEWRB, neurons = 26, MSE = 0.000828287
如果要进行分类，最好把图像的标签格式设置成 one of Z 模式，即,假如一共有6类，第一类标签为[1,0,0,0,0,0],第二类为[0,1,0,0,0,0],以此类推。
2、newrbe
基本应用与newrb相似,newrbe创建神经网络时，其RBF神经元数等数输入样本数量；创建速度非常快，可一次性得到一个零误差的径向基网络；但是规模大，一次性处理数据大。newrb创建网络时，一开始是没有RBF神经元的，它先从输入数据中最大误差的那个样本着手，增加一个RBF神经元，得到相应的输出，然后会重新设计网络线性层来逐步减小误差，反过来 又重复根据下一个最大误差的样本，又增加一个神经元.....一直这样使误差减小，直到误差达到规定的误差性能或者神经元数量达到上限时，整个建网才算结束。newrb没哟newrbe这个建网快，但它能获得更小规模的神经网络。