Multicolumn RBF Network

Multicolumn RBF Network

本文提出了 Multicolumn RBF Network（MCRN）作为提高传统 RBF 神经网络（RBFN）精度和速度的方法。

MCRN 的机制是利用 K-D 树算法将数据集划分为更小的子集，N个结果子集被认为是训练 N 个独立的 RBFN 的独立训练集。在测试过程中，这些小的 RBFN 会并行执行并压入 MCRN 结构。

MCRN 被视为一种发达、易用的并行结构，因为每个单独的人工神经网络已经在它自己的子集上被训练，且完全独立于其他人工神经网络。这种并行结构比由于完全链接而导致无法很容易并行进行的单一的大型 RBFN 结构减少了测试的时间。小的信息子集为 MCRN 提供的了特定区域的经验来指定问题，而不是泛化问题。

MCRN 已经在很多基准数据集上进行了测试，并且与单个 RBFN 相比，在训练和测试的时间上得到了更好的精度和改进。