深度集成中的涌现等变性

我们证明，仅需使用数据增强，深度集成即可对所有输入及在所有训练时刻均呈现等变性。关键在于，在无限宽度极限下，该等变性在流形外依然成立，且适用于任意架构。这种等变性是涌现的，即单个集成成员的预测并非等变，但其联合预测是等变的。本文利用神经正切核理论推导了该结果，并通过详细的数值实验验证了我们的理论见解。