本研究提出了一种新型深度集成模型RicEns-Net，通过融合SAR、光学遥感和气象数据，显著提高了作物产量预测的精度。实验结果表明，该模型性能优于现有方法。

本研究提出了ActiveHARNet，一种支持设备上增量学习和推理的深度集成模型。实验证明ActiveHARNet在推断效率和数据采集减少率方面都有显著提升，证明了其可行性。

本研究提出了ActiveHARNet，一种支持设备上增量学习和推理的深度集成模型。实验证明ActiveHARNet在推断效率和数据采集减少率方面都有显著提升，证明了其可行性。

该文介绍了一种使用未标记数据改进深度集成模型校准的方法，能够在小训练数据情况下获得低负对数似然和高集成的多样性。实验证明，该方法在多样性和校准能力上表现更好。

该论文介绍了一种名为DESOT的深度集成模型，可用于序列数据，通过预测融合实现预测和不确定性估计的性能优势。在自动驾驶和交通标志分类等领域的实验中表现良好。