本文介绍了一种名为“地区树规则化”的方法，通过预先定义输入空间中特定区域所需的决策逻辑，鼓励深层模型分别被数个分离的决策树所逼近。该方法在多个数据集上提高准确预测，同时比其他神经网络规则化方案更简单，不会破坏预测能力。两个医疗案例证明了本方法可以提高理解。

该论文提出了一种通过超分辨率提高卫星图像质量并降低成本的方法。作者设计了一个框架，通过分析每个低分辨率图像补丁的区域信息内容，并智能选择在图像上使用更复杂的深层模型，从而在保证性能的同时降低了推断时间。