假设我有一个分类问题，训练样本流随着时间的推移不断到达。我无法将所有训练样本保存在内存中，但我仍然想训练一个具有所有样本“智慧”的分类器，此外，我希望分类器在获得新样本时变得更好。

我想到了下面的想法。假设我们有足够的内存来保存 100 个样本。然后，对于每次运行 100 个样本，我们将训练一个不同的子分类器。我们将有一个元分类器，它将根据所有现有子分类器之间的投票进行分类。随着时间的推移，我们将拥有越来越多的子分类器，因此希望元分类器会随着时间的推移而改进——它将具有“群体智慧”的效果。

这种方法以前试过吗？具体来说，它是否在深度学习序列分类设置中进行了尝试？