监督学习中的损失函数及应用研究

邓建国,张素兰,张继福,荀亚玲,刘爱琴

Loss function and application research in supervised learning

Jianguo DENG,Sulan ZHANG,Jifu ZHANG,Yaling XUN,Aiqin LIU

表9 其他损失函数

名称 标准形式 指数损失函数 $\exp \left(-Yf\left(x\right)\right)$ 汉明距离函数 ${\displaystyle \sum _{I=1}^{n}I\left(X_i,y_i\right)}$ dice损失函数 $1-\frac{{\displaystyle \sum _{i=1}^n{p}_i{r}_i+\epsilon }}{{\displaystyle \sum _{i=1}^n{p}_i+r_i+\epsilon }}-\frac{{\displaystyle \sum _{i=1}^n\left(1-p_i\right)\left(1-r_i\right)+\epsilon }}{{\displaystyle \sum _{i=1}^{n}2-p_i-r_i}+\epsilon }$ 余弦损失+softmax函数 $-\frac{1}{n}{\displaystyle \sum _{i=1}^n\log \frac{e^{s\left(\cos \left({\theta }_{Y_i},i\right)-m\right)}}{e^{s\left(\cos \left({\theta }_{Y_i},i\right)-m\right)}+{\displaystyle \sum _{j=1,j\ne Y_i}{e}^{s\cos \left({\theta }_j,i\right)}}}}$ softmax+LDloss函数 $L_s+\alpha L_L$