毎年増加し続ける複雑なデータセットの数は、これらのデータを堅牢かつ正確に分類するための機械学習手法のさらなる改善を必要としています。本論文では、ランダムマルチモデルディープラーニング（RMDL）という新しいアンサンブル型ディープラーニングアプローチを紹介します。ディープラーニングモデルは多くの分野で最先端の成果を達成しています。RMDLは最適なディープラーニング構造とアーキテクチャを見つける問題を解決するとともに、複数のディープラーニングアーキテクチャを使用することで堅牢性と精度を向上させます。RMDLはテキスト、ビデオ、画像、シンボリックデータなど、多様なデータ形式を受け入れることができます。本論文ではRMDLについて説明し、MNIST、CIFAR-10、WOS、Reuters、IMDB、20newsgroupなどの画像およびテキストデータに対するテスト結果を示します。これらのテスト結果は、RMDLが広範なデータタイプと分類問題において標準的な手法よりも一貫して優れた性能を発揮することを示しています。