RMDL：用于分类的随机多模型深度学习

每年复杂数据集的数量不断增加，这要求机器学习方法不断改进，以实现对这些数据的稳健和准确分类。本文介绍了一种新的集成深度学习方法——随机多模型深度学习（Random Multimodal Deep Learning, RMDL），用于分类任务。深度学习模型在许多领域已经取得了最先进的成果。RMDL通过集成多种深度学习架构，在寻找最佳的深度学习结构和架构的同时，提高了模型的稳健性和准确性。RMDL可以接受多种类型的数据作为输入，包括文本、视频、图像和符号数据。本文描述了RMDL的方法，并展示了其在图像和文本数据上的测试结果，涉及MNIST、CIFAR-10、WOS、Reuters、IMDB和20newsgroup等数据集。测试结果显示，RMDL在广泛的数据类型和分类问题上均表现出优于传统方法的一致性能。