MC-PSO

新的多列RBFN方法提高了AI训练速度和准确性

研究人员开发了两种新方法，MC-PSO和MC-APSO，以提高径向基函数神经网络（RBFN）在处理大型数据集时的性能。这些方法采用了多列RBFN架构，其中使用粒子群优化（PSO）或其自适应变体（APSO）对在特定数据子集上训练的各个RBFN进行训练。与ErrCor和标准PSO等现有方法相比，这种专业化和并行化可以提高准确性、召回率，并加快训练和测试时间。