会员服务
损失函数，在AI中亦称呼距离函数，度量函数。此处的距离代表的是抽象性的，代表真实数据与预测数据之间的误差。损失函数（loss function）是用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。
QuantArt: Quantizing Image Style Transfer Towards High Visual Fidelity
Arxiv
0+阅读 · 6月5日
Seeing is Believing: Brain-Inspired Modular Training for Mechanistic Interpretability
Arxiv
0+阅读 · 6月6日
Learning Dynamical Systems from Noisy Data with Inverse-Explicit Integrators
Arxiv
0+阅读 · 6月6日
Toward Efficient Gradient-Based Value Estimation
Arxiv
0+阅读 · 6月6日
Few Shot Rationale Generation using Self-Training with Dual Teachers
Arxiv
0+阅读 · 6月5日
blob loss: instance imbalance aware loss functions for semantic segmentation
blob loss: instance imbalance aware loss functions for semantic segmentation
Arxiv
0+阅读 · 6月6日
Fair Patient Model: Mitigating Bias in the Patient Representation Learned from the Electronic Health Records
Arxiv
0+阅读 · 6月5日
Prediction intervals for neural network models using weighted asymmetric loss functions
Arxiv
0+阅读 · 6月5日
Decentralized SGD and Average-direction SAM are Asymptotically Equivalent
Arxiv
0+阅读 · 6月5日
Adversarial Attack Based on Prediction-Correction
Arxiv
0+阅读 · 6月2日
Pairwise Ranking Losses of Click-Through Rates Prediction for Welfare Maximization in Ad Auctions
Arxiv
0+阅读 · 6月1日
Learning Landmarks Motion from Speech for Speaker-Agnostic 3D Talking Heads Generation
Arxiv
0+阅读 · 6月2日
Local Message Passing on Frustrated Systems
Arxiv
0+阅读 · 6月2日
Convergence analysis of equilibrium methods for inverse problems
Arxiv
0+阅读 · 6月2日
Hinge-Wasserstein: Mitigating Overconfidence in Regression by Classification
Arxiv
0+阅读 · 6月1日
参考链接
父主题
度量函数（机器学习）
子主题
极大极小
微信扫码咨询专知VIP会员
Top