surrogate loss | BriefGPT - AI 论文速递

关键词surrogate loss

搜索结果 - 9

交换凸代理的一致性与维度对模态的权衡
在多类别分类中，为了设计出一种一致的代理损失函数，将结果嵌入到至少具有 $n-1$ 维的实数空间中是必要的；对于大型的 $n$，优化 $n-1$ 维的代理函数是困难的。本研究探讨了在多类别分类中如何权衡代理损失函数的维度、问题实例的数量以及
PDF5 months ago
基于成本拒绝的回归
针对具有连续和无限目标空间的回归问题，提出了一种新颖的基于成本拒绝的回归模型，其可以通过考虑拒绝成本来拒绝对某些示例进行预测。该研究首先建立了该问题的期望风险模型，然后导出了贝叶斯最优解，表明当使用均方误差作为评估指标时，最优模型应拒绝对方
PDF8 months ago
ECCV通过深度嵌入学习替代模型
本文提出了一种通过最小化近似目标评估指标的替代损失来训练神经网络的技术，其中代理通过深度嵌入来学习，有效性在场景文本识别和检测任务中得到了证明。
PDF4 years ago
过参数化神经网络中对抗训练的收敛
本文研究神经网络的鲁棒性问题，通过对抗训练的方法提高神经网络对抗扰动的鲁棒性。研究表明，通过对抗训练，网络可以收敛到一个鲁棒的分类器，传统的交叉熵损失函数不适用于训练鲁棒的分类器，也因此需要引入代理损失，并证明鲁棒插值需要更大的模型容量。
PDF5 years ago
一元 ROC 曲线下面积的界
本文提出了一种新的替代损失函数来优化 AUC，避免了训练数据之间的成对比较，具有线性的时间和存储复杂度，并对在线学习和批处理算法进行实验以说明其有效性。
PDF6 years ago
基于 Tsallis 离散度的双温度逻辑回归
我们开发了一个新的多类逻辑回归变种，通过引入两个温度参数，实现了对噪声更加稳健的分类器。在实验中发现，我们提出的模型不仅具有更好的鲁棒性，而且可以方便地控制分类器的凸性程度，这对于数据中存在大量异常值的场景特别重要。
PDF7 years ago
一种结构预测的一致性正则化方法
我们提出并分析了一种规则化方法，用于结构化预测问题。我们表征了一大类损失函数，允许在线性空间中自然地嵌入结构化输出。我们利用这一事实设计了学习算法，使用代理损失方法和规则化技术。我们证明了所提出的方法的普遍一致性和有限样本边界，表征了所提出
PDF8 years ago
ICLR序列预测任务损失估计
本文提出了一种新的方法来推导可微的替代损失函数，以用于训练包含每个输入 - 输出对的得分的模型，并在语音识别任务中证明了其有效性。
PDF9 years ago
复合二元损失
本文研究了二元分类和类概率估计中的损失，将对它们的理解从边缘损失扩展到了一般的组合损失，文中表征了何时边缘损失可以成为适当的组合损失，明确地展示了如何从部分损失的一半中完整地确定对称损失，并介绍了组合二元损失的内在参数化的概念，并给出了适当
PDF15 years ago