重拾被遗忘的知识：关于遗忘、过拟合和无需训练的深度神经网络集成
原文中文，约400字，阅读约需1分钟。发表于：。在深度神经网络中，我们引入一种新的评分方法来衡量过拟合，该方法通过监测验证数据上的模型遗忘率，从而揭示了即使总体上泛化能力得到改善，仍存在数据空间中某些区域泛化能力退化的情况。基于这些观察，我们构建了一种新的集成方法，该方法仅基于单个网络的训练历史，在不增加额外训练时间的情况下显著提高了性能。在现代深度模型上进行的广泛实证评估显示了该方法在多个数据集、神经网络架构和训练方案中的实用性，无论是...
该研究提出了新的评分方法和集成方法来提高深度神经网络的性能，已在多个数据集和网络架构中得到实证评估，并在Imaget上提高了1%的性能。
