深度 ReLU 网络对高维数据误分类的鲁棒性
机器学习
2026-02-24 v1 神经与进化计算
摘要
我们对参数化网络对随机输入扰动的鲁棒性进行理论研究。具体而言，我们在给定网络输入处对局部鲁棒性进行分析，通过量化小幅 additive 随机扰动导致误分类的概率。对于具有线性整流单元的深层网络，我们以输入维数和网络单元总数为参数，推导出局部鲁棒性的下界。
引用
@article{arxiv.2602.18674,
title = {Robustness of Deep ReLU Networks to Misclassification of High-Dimensional Data},
author = {Věra Kůrková},
journal= {arXiv preprint arXiv:2602.18674},
year = {2026}
}
备注
15 pages, 4 figures