層やサンプルに応じて正規化手法を動的に変更できるSwitchable Normalization（SN）の柔軟性を大幅に向上。各正規化層で複数の正規化を線形に組み合わせる。モデル学習の安定化にも貢献した。

ResNet-50を用いてImageNet/WebVisionデータセットに適用した。Batch Normalization（BN）を提案のEN、比較手法であるSNと比較したところ、提案手法の効果は300%以上であった（図参照）。CIFAR10/ADE20Kにおいても同様に効果が確認できた。

BN/SNと比較して学習安定化・精度向上などのメリットがある。また、BN->SNと比較した際の効果が大きいため、今後のデファクトスタンダードを置き換える可能性を示唆した。