本研究提出了一种新方法“鲁棒半径”，旨在提升深度神经网络在图像分类中的误分类检测能力。通过设计Radius Aware Training（RAT），实验结果表明该方法在AURC和FPR@95TPR指标上分别减少了29.3%和21.62%的误差。

本研究提出了一种自集成方法，以增强时间序列分类的鲁棒性，并通过减少分类边际方差证明了更大的鲁棒半径。该方法在鲁棒性测试中表现优于基线方法。