本专著围绕径向基(RBF)神经网络的结构设计及在线建模方法展开系统研究，分别针对前馈与递归两种RBF神经网络模型，提出了一系列自适应初始化、参数在线自调整、结构在线自组织及递归机制优化方法。通过引入改进的Canopy-K-均值聚类、滑窗机制、高斯隶属度相似性度量、记忆因子递归结构及自适应批量学习等策略，显著提升了RBF神经网络在时变不确定系统中的在线建模能力与泛化性能。书中内容理论扎实、方法创新，并以污水处理过程中出水氨氮浓度的在线监测为应用案例，验证了所提方法的有效性。