研究：深度学习性能呈非高斯分布
热点事件持续更新
研究：深度学习性能呈非高斯分布
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Kevin L Coakley 与 Odd Erik Gundersen 发表实证研究，对图像分类和时间序列预测架构做了 186 组实验，每组 100 个随机种子、共 18,600 次运行。研究发现，深度学习模型的性能呈分布而非单一值，且常为非高斯分布，时间序列预测任务尤为明显。 研究据此指出，性能分布在不同架构与任务之间存在差异，模型评估需考虑这种分布特性。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
深度学习性能分布实证研究：跨架构与任务的鲁棒性差异报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI深度学习性能分布实证研究：跨架构与任务的鲁棒性差异
一项针对图像分类与时间序列预测架构的 186 组实验（每组 100 个随机种子、共 18,600 次运行）发现，深度学习模型性能呈分布而非单一值，且常为非高斯分布，时间序列预测尤为明显。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。