本文介绍了一种用于多类别分类任务的深度集成学习新框架。它通过提出使用紧凑型集成(如贝叶斯神经网络和具有蒙特卡洛 Dropout 的卷积神经网络)来解决训练效率和存储方面的挑战。这些方法生成概率预测,然后用于定义代表性分布,优化统计距离。该分布有助于找到各种效用的贝叶斯最优预测 (BOP),包括为鲁棒的、集值的 BOP 设计的一系列集效用。 AI
影响 引入了一种新方法,用于提高分类任务深度集成学习的效率和鲁棒性。
排序理由 该集群包含一篇提交到 arXiv 的研究论文,详细介绍了深度集成学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian Neural Networks
- convolutional neural network
- Hugging Face
- Kim-Dung Tran
- Monte Carlo Dropout
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →