学习中等程度输入敏感函数：QR码解码案例研究

Kazuki Yoda; Kazuhiko Kawamoto; Hiroshi Kera

学习中等程度输入敏感函数：QR码解码案例研究

机器学习 2025-06-26 v1 计算机视觉与模式识别

作者: Kazuki Yoda , Kazuhiko Kawamoto , Hiroshi Kera

摘要

学习能够实现目标任务的函数的难度与其输入敏感性有关。例如，图像分类任务属于输入不敏感，因为轻微的噪声不应影响分类结果；而算术和符号计算——近期受到关注——则高度输入敏感，因为每个输入变量都与计算结果相连。本研究首次提出基于学习的快速响应（QR）码解码方法，探讨中等敏感性函数的学习。我们的实验表明，Transformer能够成功解码QR码，甚至超越理论误差纠正极限，因为它学习了嵌入文本的结构。它们能够从以英语为主的训练数据中泛化到其他语言甚至随机字符串。此外，我们观察到基于Transformer的QR解码器关注数据位而忽略纠错位，这表明其解码机制不同于标准QR码读取器。

关键词

QR码解码输入敏感性 Transformer 误差纠正深度学习

引用

@article{arxiv.2506.20305,
  title  = {Learning Moderately Input-Sensitive Functions: A Case Study in QR Code Decoding},
  author = {Kazuki Yoda and Kazuhiko Kawamoto and Hiroshi Kera},
  journal= {arXiv preprint arXiv:2506.20305},
  year   = {2025}
}

备注

17 pages, 13 figures

学习中等程度输入敏感函数：QR码解码案例研究

摘要

关键词

引用

备注

相关论文