将具有位置抖动的仿真信号丢进神经网络训练，以下是具体结果：

最上方深蓝色是一开始尝试的，用小网络（5万4参数）训练以下参数的抖动数据：

橘红色是ResNet18，三千多万参数，数据一样。

淡蓝色是加了label smoothing

最下方的是使用了一下参数的数据，抖动更加厉害的：

基本抖动对整个网络的判断影响很大。

目前还没有对每个图像进行分析，查找具体区别。

整体结果，明显的过拟合发生。根据以往经验，一般的抑制过拟合方法对这都没用。