AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-26
重度に破損した入力で学習すると、ニューラルネットワークは重心分類器になる
原題: Neural networks become centroid classifiers when trained on heavily corrupted inputs
ラベルを保ったまま入力だけが破損する属性ノイズ下の学習を扱い、MLPの実験で入力の90%以上が破損しても十分な精度を保つことを示す。無限幅ネットワークを平均場的手法で解析すると、各テスト点を訓練データのクラス平均に最も近いクラスに割り当てる重心則として振る舞い、この則はMLPの深さ、活性化関数、ノイズ分布の広い範囲で成り立つ。同じ仕組みが有限幅ネットワークの挙動ともよく一致し、個々の訓練例がほとんど信号を持たなくても学習が成功する理由を説明する。