ICMLJun, 2022
基于下确界卷积的功能输出回归:探究 Huber 和 ε-insensitive 损失
Functional Output Regression with Infimal Convolution: Exploring the Huber and $ε$-insensitive Losses
Alex Lambert, Dimitri Bouche, Zoltan Szabo, Florence d'Alché-Buc
TL;DR本文提出了一种基于 Huber 和 ε-insensitive loss 的可扩展框架,能够处理函数输出回归中的各种异常和稀疏情况,并在向量值复制核希尔伯特空间的背景下导出了计算上可行的算法。在合成和真实世界的基准测试上,论文的效率得到了展示并与传统的平方误差损失进行了对比。