CORE-STACK+：面向深度堆叠泛化的元学习方法
在堆叠异构视觉骨干网络（如CNN、ViT及其混合架构）以提升精度、校准度与鲁棒性时，常受制于预测空间多重共线性与校准崩溃两大耦合问题。多重共线性会导致元学习器解不稳定，而简单线性堆叠则会加剧各模型的未校准问题，导致模型越多期望校准误差反而越差。现有解决方案均无法同时解决这两种缺陷，为此该研究提出了基于元学习的深度堆叠泛化方法CORE-STACK+以克服这些限制。
推荐理由针对多模型堆叠集成中普遍存在的多重共线性与校准崩溃问题，提出了系统的元学习解决方案。
原标题：CORE-STACK+: Meta-Learning for Deep Stacked Generalization
阅读 arXiv 机器学习 原文 ↗