‹ arXiv cs.AI

鲁棒令人满意的集成:分布变化下的可扩展模型聚合

原文:Robust Satisficing Ensemble: Scalable Model Aggregation Under Distribution Shifts

arXiv cs.AI 未缓存正文

标准集成方法可以通过减轻个体模型的随机性来提高鲁棒性,但它们经常无法泛化到训练分布之外,从而使系统容易受到分布外(OOD)数据的影响。我们引入了鲁棒满意集成(RSE),这是一个可扩展的概率聚合框架,旨在通过最小化模型组合的脆弱性来确保模型组合的安全

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类