我正在使用非常小的数据集拟合神经网络，因此请尝试将数据拆分为训练集和验证集。（有一个单独的测试集）如果我将训练/验证随机拆分多次，为每个训练/验证拆分构建一个神经网络，并对测试集上的神经网络的预测值取平均值，是否可以称为集成模型？或者这种技术有特定的名称吗？
编辑：我刚刚发现一种类似的技术被称为“重复随机子抽样验证”，RRSSV但是它将数据分成训练集和测试集（虽然根据维基百科它被称为“验证数据”，但它实际上是测试数据）。我的方法将给定数据拆分为训练和验证集，并使用单独的测试数据。我觉得我的方法也可以调用RRSSV。
我认为即使这种方法也称为集成方法。
我怎么能得出这样的结论？
一个建议，正如您在问题中提到的那样，您的数据非常少，当时模型无法很好地泛化并且您无法取得良好的结果。如果您有任何方法可以通过收集更多数据来增加数据集大小，那么它可以帮助您获得更高的准确性。这也解释了附加的链接（解释）。如果您有任何其他问题，请务必查看并告诉我。
您可以尝试扩展您的方法，包括在训练数据中添加随机噪声，有时称为噪声注入。通过这样做，理论上您可以几乎无限地扩展您拥有的训练数据量，并避免小训练样本的过度拟合。互联网搜索会找到几篇关于该主题的论文，例如Whiteout: Gaussian Adaptive Noise Regularization in FeedForward Neural Networks