hinge loss | BriefGPT - AI 论文速递

关键词hinge loss

搜索结果 - 8

输入维度适中的带有泄漏 ReLU 的网络中的良性过拟合
该研究针对二元分类任务，使用带有折线损失的两层泄漏整流线性单元网络，研究了良性过拟合问题，通过对模型参数的信号噪声比进行特征化，发现高信噪比出现良性过拟合，低信噪比出现有害过拟合，并将良性和非良性过拟合归因于近似边际最大化特性，同时降低了训
PDF4 months ago
具有多铰链损失的 cGANs
本研究提出了一种新的算法，将类条件信息纳入 GAN 的批评者中，通过常用的 Hinge loss 的多类推广实现，适用于监督和半监督设置。我们研究了同时训练先进的生成器和准确的分类器之间的折衷，提出了一种使用我们算法去度量生成器和批评者类条
PDF5 years ago
深度神经网络分类的快速收敛速率
本文研究使用 hinge loss 训练的 ReLU 激活函数的深度神经网络分类器的快速收敛速率，并通过数值研究比较了 hinge loss 和交叉熵作为损失函数时的效果。
PDF6 years ago
带代理损失的上下文自适应赌博机：边界与高效算法
本文使用代理损失函数导出了新的后悔界限和新的算法，其中借助于坡道损失函数，我们导出了新的边界界限。同时也根据标准顺序复杂度度量了回归函数的基准类，使用铰链损失函数，导出了一种有效的算法，并且其中包含了一个以 $d$ 维度回归器引出的基准方针
PDF6 years ago
ReLU 网络的多线性结构
通过谐波分析，证明了多数情况下，神经网络丧失了与具体雅可比的联系，只留下非可微的极小值，这是研究 ReLU 网络损失时的核心问题，因此需要使用非光滑分析技术来研究这些损失表面。
PDF7 years ago
逻辑回归：随机和在线优化的紧密边界
本研究探讨了逻辑损失与其他广泛考虑的选项（如铰接损失）的区别，结论认为逻辑损失函数并没有优势。
PDF10 years ago
ICML使用代理凸损失函数最小化误分类误差率
研究凸代理损失函数与二元分类问题中线性预测的分类误差率最小化之间的关系，发现在所有凸代理损失函数中，铰链损失提供了最佳的界限。同时，提供了特定凸代理损失的下界，显示常用损失函数之间的区别。
PDF12 years ago
使用高斯核的支持向量机的快速率
针对二元分类问题，本文对带有铰链损失和高斯径向基核的支持向量机建立了学习速率，这些速率是基于两个假设，即 Tsybakov 的噪声假设和一个新的几何噪声条件，前者用于评估小的估计误差，后者用于限制近似误差。与以前用于限定近似误差的概念不同，
PDF17 years ago