AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-26

भारी रूप से दूषित इनपुट पर प्रशिक्षित करने पर न्यूरल नेटवर्क सेंट्रॉइड क्लासिफ़ायर बन जाते हैं

मूल शीर्षक: Neural networks become centroid classifiers when trained on heavily corrupted inputs

लेखक एट्रिब्यूट नॉइज़ का अध्ययन करते हैं, जिसमें इनपुट दूषित हो जाते हैं जबकि लेबल सही रहते हैं, और पाते हैं कि MLP तब भी संयोग-स्तर से काफ़ी ऊपर की सटीकता बनाए रखते हैं जब 90% से अधिक इनपुट दूषित हों। मीन-फ़ील्ड से प्रेरित दृष्टिकोण से अनंत-चौड़ाई वाले नेटवर्क का विश्लेषण करते हुए, वे दिखाते हैं कि नेटवर्क एक निकटतम-वर्ग-माध्य वर्गीकारक की तरह काम करता है जो प्रत्येक परीक्षण बिंदु को उस वर्ग में रखता है जिसके प्रशिक्षण औसत से वह सबसे अधिक मिलता-जुलता है, और यह नियम विभिन्न गहराइयों, सक्रियण फ़ंक्शनों और नॉइज़ बंटनों में लागू रहता है। यही केंद्रक तंत्र सीमित-चौड़ाई वाले व्यवहार से मेल खाता है और समझाता है कि सीखना तब भी सफल क्यों हो सकता है जब अलग-अलग प्रशिक्षण उदाहरणों में लगभग कोई संकेत न हो।

मूल लेख पढ़ें ↗

सभी आइटम →