研究人员开发了一种名为CoCo的新损失函数，旨在创建规范化且结构良好的数据表示。CoCo鼓励类在内部塌缩，同时与其他类进行对比，目标是获得具有大角度分离的嵌入。理论分析表明，CoCo在初始化、更具信息量的梯度和更快的收敛性等方面优于点回归和交叉熵等目标。在OpenML-CC18基准测试上的实验表明，CoCo在促进更紧密的类聚类和提高预测性能方面，与核SVM和随机森林等现有方法相比具有竞争力。 AI
影响 这种新的损失函数可能导致机器学习模型中更有效和更强大的表示学习。
排序理由 该集群描述了一篇研究论文中提出的一种新的损失函数。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- CoCo
- cross entropy
- dot regression
- Kernel SVM Classifiers based on Fractal Analysis for Estimation of Hearing Loss
- OpenML CC18
- random forest
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
