本文研究了一种新型的随机平滑方法的泛化性能提升因素。文章指出，该方法之所以能够有效提升泛化性能，是因为其可以以某随机平滑半径范围内保证分类器输入分类结果局部鲁棒。该文章为分类对抗学习方法指出了一种新的方式，并且从理论角度分析了其结果的可行性，是理论机器学习领域比较新颖的学术成果。其中的不足之处在于，对于理论结果的分析局限性相对较大，没有能够对于更一般情况给出具体定量结果。其实验大多以验证性基础数据集为基础，需要更多的泛化指标与实验数据对该方法加以支撑与分析。

内容中包含的图片若涉及版权问题，请及时与我们联系删除