MLP高噪声鲁棒性源于质心分类机制

2026年10月26日，arXiv发布一项机器学习研究，揭示MLP在超过90%的输入数据被污染时，仍能保持较高分类准确率，性能远超人类识别极限。该研究指出，这种极端鲁棒性源于无限宽度网络下的原型分类机制，即质心规则。该机制具有普遍性，在不同网络架构、激活函数以及噪声分布条件下均适用。此项发现为在个体训练样本几乎无信号的情况下实现成功学习，提供了可解释的解析框架。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。