RoBoSS：一种鲁棒、有界、稀疏和平滑的监督学习损失函数

该研究论文提出了一种新颖的 RoboSS 损失函数用于监督学习，并将其应用于支持向量机中，命名为 Lrbss-SVM。通过实证实验，论文证明了该模型在分类任务中具有优秀的泛化性能和高效的训练时间。

本文证明了大多数知名损失函数的经验风险因子可分为线性项，聚合所有标签和不涉及标签的项，并且可以进一步表示为损失的和。通过估计平均操作符，本研究揭示了这种分解的变量的充分统计量，并将其应用于弱监督学习。最后，本文展示了大多数损失都享有一种依赖于数据的（通过平均算子）噪声鲁棒性。

函数 弱监督学习 损失函数 线性项 经验风险因子 聚合
原文中文，约200字，阅读约需1分钟。发表于：。
阅读原文
分享给好友