10:13
官方账号arXiv cs.LG@Longde Huang, Axel Flinth, Jan E. Gerken
推荐理由：不用训练多次就能拿到类似深度集成的对称性提升，做数据增强的可以看看。
SWA
共 1 条相关 AI 资讯
8月17日
10:13
该论文提出用随机权重平均(SWA)替代深度集成，在增强数据上获得对称性等变性提升。作者用奥恩斯坦-乌伦贝克过程近似训练末期轨迹，证明在无限宽度极限下SWA能带来超出单独SWA性能增益的等变性提升。实验覆盖计算机视觉与图分类任务，涉及离散和连续对称性。SWA无需多轮重复训练，计算成本低于深度集成。