用RBF网络构建一个六输入单输出的预测模型，隐层节点选取为5，共获取202组数据，用其中180组数据对网络进行训练，但训练时误差太大，维持在一万左右，望大神指点，我可以提供我写的程序和数据。
只要网络模型容量足够大，训练误差总会逐渐逼近零。所以如果训练误差一直不下降，要考虑训练数据本身有没有问题，大致办法是，通过单变量相关性分析，了解数据本身的合理性
1、一般只要网络模型容量足够大，训练误差总会逐渐逼近零。所以如果训练误差一直不下降，要考虑训练数据本身有没有问题，大致办法是，通过单变量相关性分析，了解数据本身的合理性。
2、如果确定训练数据没问题，就要仔细检查代码本身是否有bug，从你的误差来看，似乎是发散了，并没有收敛。
3、如果代码没问题，例如是调用了一些第三方库，则考虑网络的超参数和训练参数有没有问题。
T. Poggio 将 RBF 比作记忆点。与记忆样本越近，该记忆就越被激活。
你的样本数据不够充分
100%是你数据集的问题