Рассматривается задача аппроксимации функции, которая на допустимом множестве аргументов задается дискретным набором значений. Для ее решения используется аппарат радиальных базисных функций нейронных сетей (RBFNN). Алгоритм процедуры обучения сети здесь реализован на базе методов глобальной оптимизации. В зависимости от режима его работы совокупность искомых неизвестных может содержать параметры радиальных базисных функций, процедуры обучения, координаты центров и, в ряде случаев, координаты точек обучения нейронной сети. Обсуждаются вопросы построения начального приближения и числа сбытых нейронов. Особенности разработанных подходов и методик их численной реализации демонстрируются экспериментальными исследованиями. Ключевые слова: радиальные базисные функции, задача поиска минимума, методы глобальной оптимизации
