摘要：
本文中提出了一种基于深度学习的随机子空间模型——神经随机子空间模型(Neural Random subspace, NRS)，实现了在 NN 中可使用的随机子空间方法。它可以充分地处理表格型的数据，并且相对于传统的基于随机子空间的森林方法实现了更高的精度和更快的推理速度。
此外 NRS 可以配置在 CNN 末端的 GAP 层之后，对 GAP 的输出进行非线性转换。NRS 可获得比标准GAP更高的精度，且在模型参数、FLOPs 和时间方面的额外成本可以忽略不计。 阅读全文