双曲原型学习理论
机器学习
2020-10-16 v1 机器学习
摘要
我们引入双曲原型学习，一种监督学习，其中类标签由双曲空间中的理想点(无穷远点)表示。学习通过最小化“惩罚 Busemann 损失”实现，这是一种基于双曲几何 Busemann 函数的新损失函数。我们讨论了该设定的若干理论特征。特别地，在一维情形下，双曲原型学习等价于逻辑回归。
引用
@article{arxiv.2010.07744,
title = {A Theory of Hyperbolic Prototype Learning},
author = {Martin Keller-Ressel},
journal= {arXiv preprint arXiv:2010.07744},
year = {2020}
}
备注
6 pages