脑功能的研究是当代自然科学面临的最重大的挑战之一。由于脑电（EEG）的研究是一种真正无创伤的脑功能研究手段，因此，对脑电信号的研究就成为脑研究的热点。近几十年来，脑电逆问题由于其能够提高脑电的空间分辨率而引起了国际上的广泛兴趣和关注，所谓脑电逆问题是指利用脑电图（EEG）数据去反演可以反映脑电活动等效偶极子源的参数信息。 本文的主要工作是利用RBF 人工神经网络解决脑电逆问题的偶极子源定位。从对脑电正问题模型和算法的学习出发，研究了脑电逆问题的特点，分析了常用脑电逆问题求解算法的优缺点，探索了利用RBF 网络对脑电逆问题的求解方案。针对径向基函数神经网络的几个重要参数，即激活函数中心点、控制参数和隐含层与输出层之间的权值的确定进行了探讨，结合K－均值聚类算法和遗传算法通过网络训练不断调整优化以上三个参数的设置。并将这两种方法应用到脑电逆问题中。仿真结果验证了RBF 网络和GA－RBF 网络求解脑电逆问题是可行的，且GA－RBF 网络相比RBF 网络来说训练误差更小，求得的结果更精确，所以说GA－RBF 网络更优越！相对于其它脑电逆问题求解方法，基于RBF 神经网络算法的脑电逆问题的偶极子源定位，由于无需先验知识，在求解过程中也无需进行脑电正向计算，从而为脑电逆问题的快速求解提供了一个很好的研究方向。