AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-26
Mitandao ya neva huwa viainishi vya kitovu inapofunzwa kwa pembejeo zilizoharibiwa vibaya sana
Kichwa asilia: Neural networks become centroid classifiers when trained on heavily corrupted inputs
Waandishi wanachunguza kelele ya sifa, ambapo viingizo huharibiwa huku lebo zikibaki salama, na wanagundua kuwa MLP huendelea kuwa na usahihi ulio juu zaidi ya bahati nasibu hata pale ambapo zaidi ya 90% ya viingizo vimeharibiwa. Kwa kuchambua mitandao yenye upana usio na kikomo kwa mbinu iliyoongozwa na mean-field, wanaonyesha kuwa mtandao hufanya kazi kama kiainishi cha wastani wa daraja la karibu zaidi, kinachopanga kila nukta ya majaribio kwenye daraja ambalo wastani wake wa mafunzo inafanana nalo zaidi, kanuni inayodumu katika kina tofauti, vitendakazi vya uamilisho tofauti na mgawanyo tofauti wa kelele. Utaratibu huohuo wa centroid unalingana na tabia ya mitandao yenye upana wenye kikomo na unaeleza kwa nini kujifunza kunaweza kufaulu hata pale ambapo mifano ya mafunzo ya mmoja mmoja haina karibu ishara yoyote.