Olli Raitakari

新损失函数解决序数分类中的“中心类别对冲”问题

研究人员引入了一种名为自适应边界序数损失（AMOL）的新损失函数，以解决序数分类任务中的一种特定失败模式，即中心类别对冲。这种现象会导致神经网络通过最小化对称损失来偏向预测中间类别，而忽略真实标签。AMOL 应用一个乘性权重，当预测类别接近中心且真实标签远离中心时，该权重较大，从而惩罚这种对冲行为。实验表明，其不对称变体 AMOL-asym 在 Abalone 数据集上完全消除了中心类别对冲。