arXiv · ML· Justin Tahmassebpur, Asadullah Bhuiyan, Hyejin Kim, Omri Lesser·· 9 小时前AI 评分30
神经网络在高噪声输入下成为质心分类器
Neural networks become centroid classifiers when trained on heavily corrupted inputs
AI 导读
研究揭示MLP在>90%输入被污染时仍保持高准确率，远超人类识别极限。 该鲁棒性源于无限宽度网络下的原型分类机制，即质心规则，在不同架构、激活函数和噪声分布下普遍适用。 该机制为个体训练样本几乎无信号时的成功学习提供了可解释的解析框架。
来源：arXiv · ML · arxiv.org