{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期-部件”：[[2024,6,7]]，“日期-时间”：“2024-06-07T09:09:36Z”，“时间戳”：1717751376316}，“参考-计数”：48，“出版商”：“电气与电子工程师学会（IEEE）”，“许可证”：[{“开始”：{-“日期-零件”：[2018,1,1]]，”“日期-时刻”：“2018-01-01 01T00:00:00Z“，“timestamp”：1514764800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/OAPA.html”}]，“funder”：[{“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“award”：[“61801277”，“61373081”]}]，“内容域”：｛“域”：[]，“交叉标记限制”：false｝，“短容器标题”：[“IEEE Access”]，“已发布的印刷品”：｛“日期部分”：[[2018]]｝，“DOI”：“10.1109\/Access.2018.272698”，“类型”：“期刊文章”，“已创建”：｛“日期部分”：[[2018,10,1]]，“日期时间”：“2018-10-01T18:35:28Z”，“时间戳”：1538418928000｝，“页面”：“58774-58783”，“来源”：“Crossref”，“is-referenced-by-count”：59，“title”：[“Understanding Mixup Training Methods”]，“prefix”：“10.1109”，“volume”：“6”，“author”：[{“ORCID”：”http://\/ORCID.org\/0000-0001-7136-0482“，”authenticated-ORCID“：false，”given“：”Daojun“，”family“：”Liang“，”sequence“：”first“，”affiliation“：[]}，{“given”：Feng“，”“family”：“Yang”，“sequence”：“additional”，“afliation”：[]}，{“given”：“Tian”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[]}，{“Fitnets:”Peter“，”family“：”Yang“，”sequence“：”additional“，”affiliance“：[]2]，“member”：“263”，“reference”：[{“key”：”ref39“，“article-title”：“Fitnets：thin deep nets的提示”，“author”：“romero”，“year”：“2015”，“journal-title“：”：“Proc ICLR”}，“key“：”ref38“，”article-title“：“网络中的网络”，“作者”：“林”，“年份”：“2014年”，“新闻标题”：“Proc ICLR”}，{“密钥”：“ref33”，“文章标题”：”定性描述神经网络优化问题“，”作者“：”古德费勒“，”年份“：”2015年“，”新闻标题“：”Proc ICRL：“ref31”，“first page”：“28”，“article-title”：“Swapout：学习深度架构的集成”，“author”：“singh”，“year”：“2016”，“journal-title“：”Proc-Adv Neural Inf Process Syst“}，{“key”：”ref30“，“first-page”：“646”，“article-titel”：“deep networks with Randomic depth”，“作者”：“huang”，“年份”：“16”，“日记标题”：“Vision Computer”}，“key“ref37”，“author”：“lee”，“year”：“2014”，“journal-title”：“Deeply-supervised nets”}，{“key”：“ref36”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2017.632”}，“新闻标题”：“深度网络损失面优化的实证分析”}，{“key”：“ref10”，“article-title”：“批量规范化：通过减少内部协变量偏移来加速深度网络训练”，“author”：“ioffe”，“year”：“2015”，“journal-tittle”：《第32届国际机器学习大会论文集》}，“年份”：“2014年”，“新闻标题”：“力求简单化全卷积网络”}，{“key”：“ref11”，“article-title”：“深度卷积神经网络正则化的随机池”，“author”：“zeiler”，“year”：“2013”，“journal-title“：”Proc ICLR“}，”{“密钥”：“ref12”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2016.514”}，“author”：“inoue”，“year”：“2018”，“journal-title”：“通过配对样本进行图像分类的数据增强”}，{“key”：“ref14”，“article-title“：“Mixup：超越经验风险最小化”，“author”：“zhang”，“年”：“2018”，“日记标题”：“Proc ICLR”}：“ref16”，“article-title”：“从微小图像中学习多层特征”，“author”：“krizhevsky”，“year”：“2009”}，{“key”：“ref17”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2009.5206848”}：“Proc Adv Neural Inf Process Syst”}，{“key”：“ref19”，“author”：“radford”，“year”：“2015”，“journal-title”：“使用深度卷积生成对抗网络CoRR的无监督表征学习”}、{“key”：”ref28“，“author”：“kang”，“year”：”2017“，“johnal-tittle”：《PatchShuffle regulation》}，“key“：”ref4“article-title“：“理解深度学习需要重新思考泛化”，“作者”：“zhang”，“年份”：“2016”，“期刊标题”：“Proc ICLR”}，｛“key”：“ref27”，“首页”：“630”，“文章标题”：“深度残差网络中的身份映射”，“作者”：“he”，“年份”：“2016”，“期刊标题”：“视觉计算机”}，｛“key”：“ref3”，“doi asserted by”：“crossref”，“首页”：“484”，“DOI”：“10.1038\/nature16961”，“article-title”：“掌握深度神经网络和树搜索的围棋游戏”，“volume”：“529”，“author”：“silver”，“year”：“2016”，“journal-title“：”Nature“}，{“key”：”ref6“，”DOI-asserted-by“：”publisher“，”DOI“：”10.1109\/CVPR.2016.90标题“：“随机擦除数据增强”}，{“key”：“ref5”，“首页”：“3084”，“article-title”：“深度神经网络训练的自适应辍学”，“author”：“ba”，“year”：“2013”，“journal-title“：“Proc-Adv neural Inf Process Syst”}：“15”，“author”：“srivastava”，“year”：“2014”，“journal-title”：“J Mach Learn Res”}，{“key”：“ref7”，“作者”：“simonyan”，“年份”：“14”，“日记标题”：“用于大规模图像识别的深度卷积网络”}页面“：”1058“，”文章标题“：“使用dropconnect正则化神经网络”，“volume”：“28”，“author”：“wan”，“year”：“2013”，“journal-title”：“Proc Int Conf Mach Learn（ICML）”}，{“key”：”ref1“，”first page“：”1097“，”article-title“：”ImageNet classification with deep convolutional neural networks“，”author“：”krizhevsky“，”year“：”2012“，”journal-title“”：“Proc Int Conf Neural Inf Process”}，{“key”：“ref46”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2017.243”}by“：”publisher“，”doi“：“10.1007\/s11263-015-0816-y”}，{“key”：“ref48”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2017.634”}、{“密钥”：“ref22”，“doi-asserte-by”：“publisher”，“DI:”10.1109\/ICCV.2017.244，{“key”：“ref21”，“首页”：“2672”，“文章标题”：“生成性对抗网络”，“作者”：“goodfellow”，“年份”：“2014”，“新闻标题”：“Proc Adv Neural Inf Process Syst”}，{“key”：“ref42”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/ACCESS.2018.284307”}：“2377”，“文章标题”：“训练深度网络”，“author”：“srivastava”，“year”：“2015”，“journal-title”：“Proc-Adv Neural Inf Process Syst”}，{“key”：“ref23”，“doi-asserted-by”：“publisher”，“doi”：“10.1109”，TIP.2006.881969：“2013”，“期刊标题”：“Proc Int Conf Mach Learn”｝，｛“key”：“ref26”，“doi asserted by”：“publisher”，“doi”：“10.1007\/s0138-014-0624-4”｝，｛“key”：“ref43”，“文章标题”：“FractalNet:无残差的超深度神经网络”，“作者”：“larsson”，“年份”：“2017”，“期刊标题”：“Proc ICLR”｝，｛“key”：“ref25”，“首页”：“309”，“文章标题”：“自然图像彩色化”，“作者”：“luan”，“年份”：“2007年”，“新闻标题”：“第18届欧洲制图会议渲染技术会议论文集”}]，“容器标题”：[“IEEE访问”]，“原始标题”：[]，“链接”：[{“URL”：“http://\explorestaging.IEEE.org\/ielx7\/6287639\/8274985\/08478159.pdf？arnumber=8478159”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,1,26]]，“date-time”：“2022-01-26T17:18:30Z”，“timestamp”：1643217510000}，“score”：1，“resource”：{“primary”：“{”URL：“https:\/\/ieeexplore.iee.org\/document\/8478159\/”}}，”副标题：[]，“shorttitle”：[]“已发布”：{“日期-部分”：[[2018]]}，“引用-计数”：48，“URL”：“http://\/dx.doi.org\/10.109\/access.2018.2872698”，“关系”：{}，“ISSN”：[“2169-3536”]，“ISSN-type”：[{“值”：“2169~3536”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期-部分”：[2018]}}}