新的CoCo损失函数提升了嵌入质量并加速了收敛

研究人员推出了一种新颖的损失函数CoCo，旨在增强机器学习模型中归一化和结构化表示的学习。该新目标鼓励类内坍塌和类间对比，旨在创建类之间具有显著角度分离的嵌入。在OpenML-CC18基准上的理论分析和实验表明，CoCo在类内聚类和收敛速度方面优于交叉熵和核SVM等现有方法。 AI

影响 引入了一种新的损失函数，可以提高表示学习在各种机器学习任务中的效率和有效性。

排序理由 该集群包含一篇详细介绍新的机器学习损失函数的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Blanca Cano-Camarero
• CoCo
• cross entropy
• dot regression
• Kernel SVM Classifiers based on Fractal Analysis for Estimation of Hearing Loss
• OpenML CC18
• random forest

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →