要毕业答辩了，我是做证据融合研究方面的。最后有对方法验证鲁棒性和收敛性。如果导师让我解释下鲁棒性和收敛性，我该怎么说呢。
回答不要长篇大论，精简合理，要显得专业。
在机器学习，训练模型时，工程师可能会向算法内添加噪声（如对抗训练），以便测试算法的「鲁棒性」。可以将此处的鲁棒性理解为算法对数据变化的容忍度有多高
收敛性就是逐渐逼近你想要的模型效果的过程，收敛的意义是系统稳定，就是模型的某一个权重参数发生小的改变的时候，模型输出结果不会发生强烈变化，导致系统崩溃，也就是所谓的发散。
鲁棒性指模型方法的泛化能力，适用能力强，不仅仅是在少数情况下可用。
收敛性是指模型方法找到了正确的规律，往正确的方向前进。不收敛意味着方向不明确，结果不可靠
鲁棒性：充分考虑各种异常情况下的处理方式，保证方法在遇到异常情况时仍然能够正确的执行（这里的正确执行，不是一定要输出结果，也可以是提示使用者哪里有错误，需要怎么正确的输入等等）。也就是说，需要充分考虑异常情况，并为异常情况设置对应的处置操作，当然，并不需要对每一种异常单独做一个处置操作，多个异常可以共用一个处置操作。
收敛性：随着数据样本的增加，方法的结果呈现一定的规律，比如随着样本的增加，XX事件的概率值稳定在0.8左右，误差小于10的-4次方，这时候就说明方法是收敛的。（这种情况是概率收敛，也有分布收敛、均方收敛等等，有兴趣可以看一下相关介绍）
鲁棒就是简单好用，不容易受其他因素影响。
鲁棒性：
亦称健壮性、稳健性、强健性，是系统的健壮性，它是在异常和危险情况下系统生存的关键，是指系统在一定(结构、大小)的参数摄动下，维持某些性能的特性。
（这句举例看自己是否需要可删除） 例如，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。
收敛性：
数学分析的基本概念之一，它与“有确定的极限”同义，“收敛于……”相当于说“极限是……”。
鲁棒性-项目管理毕业论文
https://max.book118.com/html/2019/0702/8006016024002033.shtm
迭代学习控制系统：收敛性与鲁棒性
https://www.docin.com/p-729681431.html