泛化能力弱发表论文有用吗

为什么Yolo的泛化能力强

我感觉有个规律：简单直观的网络泛化能力更强。因为简单的网络人工雕作痕迹更少，同时结构简洁，能避免过拟合。相反，结构复杂和trick过多的网络有过拟

Salesforce 近日提出了一篇探究模型泛化能力的论文,他们在 PAC-Bayes 框架下将解的平滑性和模型的泛化能力联系在了一起,并从理论上证明了模型的泛化能力不仅和 Hessian 谱有关,和

这一原理已经被完整论述在论文中,该论文于 2022 年发表在 IEEE in Transactions on Intelligent Transportation Systems 上,论文信息如下: M. Xu, P. Baraldi, X. Lu and E. Zio,

模型的泛化性能差的本质原因在于训练和未来数据集的分布存在差异。. 举个简单的例子，假设训练数据的分布D1=A+B，假设未来数据的分布D2=A+C. 当B=C的

论文研究-改进鲸鱼算法在云计算资源负载预测中的应用.pdf,为了解决传统云计算资源负载预测方法对负载序列高频分量预测精度不高和泛化能力弱的缺点,提出一种混

第3点目测提升空间不大，题主用的adaboost、rf已经算ensemble了，最多再试下gbdt，或者把这些模型级联、线性加权试试？第1点，建议试试 @Xinran He 在14

也许是所谓泛化能力(聪明)已经紧密结合在所谓记忆的细节里了。而传统的理论都没法研究这一点。我们相信,本文是首次探讨这个问题的, 期待今后通过对泛化能力的研究可以对理解网络

泛化能力（generalization）对于模型，我们不仅要求它对训练数据集有很好的拟合（训练误差），同时也希望它可以对未知数据集（预测集）有很好的拟合结果（