深度学习损失函数的创新设计
我们的方法属于非参数判别方法,它倾向于由所提供样本数据直接求出在某一准则函数下的
最优参数,这种方法必须由分类器设计者首先确定准则函数,并根据样本数据和该函数最优
的原理求出函数的参数,因此关键是准则函数(损失函数 Loss 的设计)
增加特征空间的稀疏性的损失函数
抽取的特征空间可能是高维的,但越稀疏越好。稀疏性(公式(1))可以用来度量样本的多
样性,越稀疏,样本的多样性越好。其次,可以用少量的特征来表述,与简单性原则一致。
(1)
(2)
公式(2)表达样本之间的正交性,越小越好,表明样本之间的区分性越好。
这个规则也可以用来做选择性集成,选择集成的分类器。