用于异常检测模型鲁棒训练的简洁对数损失函数
机器学习
2023-04-17 v2 人工智能
摘要
近年来，基于深度学习的算法被广泛采用，其优势在于能够在无需或仅需极少任务领域知识的情况下建立异常检测模型。相反，为使人工神经网络训练更稳定，最好定义恰当的神经网络结构或损失函数。在异常检测模型训练中，均方误差（MSE）函数被广泛采用。另一方面，本文提出一种新的损失函数——对数均方误差（LMSE），以更稳定的方式训练神经网络。本研究涵盖了从数学比较、反向传播微分域可视化、训练过程中的损失收敛性到异常检测性能的多种对比。总体而言，LMSE在损失收敛的鲁棒性和异常检测性能方面优于现有MSE函数。LMSE函数有望不仅适用于异常检测模型的训练，也适用于一般生成式神经网络的训练。
引用
@article{arxiv.2201.05748,
title = {Concise Logarithmic Loss Function for Robust Training of Anomaly Detection Model},
author = {YeongHyeon Park},
journal= {arXiv preprint arXiv:2201.05748},
year = {2023}
}
备注
6 pages, 3 figures, 2 tables