Le reti di funzioni di base radiali calcolano funzioni della forma:
dove 
, 
è una matrice quadrata che deve essere stimata, come anche i
coefficienti 
e i ``centri'' 
, e dove G
è una qualunque funzione definita positiva [], come la
Gaussiana o la multiquadrica.
Dato un insieme di campioni 
, diremo che ``la rete calcola una buona
approssimazione dei dati D'' quando i valori dei parametri
, 
e 
sono stati determinati in modo da minimizzare la funzione di errore
quadratico
In effetti, a tuttoggi, non si conoscono soluzioni analitiche al
problema, e l'unico modo per determinare, se non il minimo assoluto,
almeno un punto in cui la funzione E assume un valore
``sufficientemente basso'', si basa sulla minimizzazione numerica.
Tuttavia, considerando il costo computazionale richiesto
dall'approccio numerico, si tende a sacrificare parte della
generalità della rete in cambio di una minor complessità del
processo di minimizzazione. Questo viene fatto ``congelando'' alcuni
dei parametri della rete - imponendo, per esempio, che 
sia
diagonale, o fissando i centri 
. Sulla
base dell'esperienza fatta provando differenti soluzioni in un'ampia
varietà di condizioni sperimentali (distanza tra le telecamere e
angoli di convergenza), si è determinato che un semplice rete di
funzioni di base radiali con n= 10-15 centri fissati e matrice
può approssimare la trasformazione A
entro i margini di accuratezza richiesti dal problema. In questo
caso, la funzione costo da minimizzare si riduce a:
dove 
rappresentano le
posizioni (costanti) dei n centri impiegati, e il numero dei dati,
N, è tipicamente dell'ordine del centinaio.
L'intera procedura di approssimazione della trasformazione A si può riassumere nei seguenti passi:
per mezzo di una procedura di clustering
(k-means clustering);
