محققان در پژوهشی جدید، معماری جذابی به نام «σN-Ens» معرفی کردهاند که مشکل هزینهی بالای «یادگیری گروهی» (Deep Ensembles) را حل میکند. این مدل با استفاده از یک لایه نرمالساز پیشرفته، بدون نیاز به مدلهای سنگین و جداگانه، میتواند تنوع و دقت مدلهای بزرگ (مثل ترنسفورمرها) را افزایش دهد.
از ویژگیهای مهم این روش، قابلیت شخصیسازی آن روی مدلهای پیشآموزشدیده با هزینهای بسیار کمتر است که میتواند خبر خوبی برای متخصصان یادگیری ماشین باشد.
منبع: arXiv Computer Vision