研究人员开发了一种新的神经集成搜索（NES）方法，旨在提高深度神经网络的性能和鲁棒性。该方法使用两个独立的代理模型来估计候选架构的预测准确性和多样性潜力。然后，这些估计值指导 NES 框架有效地识别既强大又具有集体多样性的架构，从而解决了传统方法的计算难题。 AI
影响 这项研究通过提高集成创建的效率，可能带来更强大、性能更好的深度学习模型。
排序理由 该集群包含一篇详细介绍神经集成搜索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2607.26940v1 Announce Type: new Abstract: Ensembles are a standard way to improve the performance and robustness of deep neural networks, but their effectiveness crucially depends on both the quality and the diversity of individual models. Most neural architecture search (N…