Perturb-and-Correct

新研究探索集成模型以提高人工智能性能和鲁棒性

两篇新研究论文介绍了改进机器学习集成模型的新方法。第一篇PACE结合了剪枝和压缩技术，创建了更高效、更具可解释性的集成模型，性能优于现有方法。第二篇扰动与修正（Perturb-and-Correct, P&C）使用单个预训练网络的后验扰动来生成预测器，这些预测器在校准数据上保持一致，但在其他方面有所不同。P&C展示了在分布内和分布外性能之间的有力权衡。