Радиальные нейроны существенно отличаются от нейронов других типов. Они используются только группами, составляя первый слой в многослойных радиальных нейронных сетях. Структурная схема такого нейрона дана на рис. 1.
Рис. 1.  Структурная схема радиального нейрона
Здесь — радиальная функция с центром в точке с координатами . Такие функции разнообразны, но на практике чаще всего используется функция Гаусса, имеющая следующий вид:

где — эвклидова норма расстояния между входным вектором и центром нейрона, — параметр, определяющий "ширину" функции. На рис. 2 даны графики этой функции в скалярном варианте для различных значений .
Рис. 2.  График одномерной радиальной функции
На рис. 3 дан график для двух входных сигналов.
Рис. 3.  График двумерной радиальной функции
Принципиальное отличие радиального нейрона от сигмоидального нейрона и персептрона в том, что они разбивают многомерное пространство входных сигналов гиперплоскостью, а радиальный — гиперсферой.
Обучение радиального нейрона заключается в подборе параметров радиальной функции и . Подробно алгоритм обучения сетей на основе радиальных нейронов приведен в модуле Радиальные нейронные сети. В качестве примера приведем выражение, часто используемое для корректировки положения центра нейрона после предъявления -ого обучающего вектора

где — коэффициент обучения . Причем такому уточнению подвергается только центр, ближайший к входному вектору (подобный подход используется и при обучении нейронов типа WTA).