一种具有可解释RBF分类器基础的鲁棒原型网络

本研究解决了基于原型的分类方法在性能和可解释性方面的局限性，尤其是分类组件（CBC）方法所面临的矛盾解释问题。我们提出了一种扩展的CBC方法，提高了模型的鲁棒性和可解释性，并在不同基准测试中证明了该深度网络的分类准确性达到了最新水平，而浅层网络同样表现优异。