发现数据集内依赖隐藏特征规律并用神经网络对其分类
机器学习
2021-01-27 v1 神经与进化计算
机器学习
摘要
神经网络的 logcosh 损失函数旨在结合绝对误差损失函数不过度加权离群点的优势与均方误差在均值附近导数连续的优势，从而使学习的最后阶段更轻松。显然且很快会体验到：在聚类数据情况下，带有 logcosh 损失的人工神经网络会学习较大的簇而非两者的均值。更进一步，当用于集值函数回归时，该 ANN 将学习接近某一选择的值，换言之，集值函数的一个分支，而均方误差 NN 会学习中间值。本文提出一种方法，利用带 logcosh 损失的人工神经网络发现参数-结果样本集中集值映射的分支，并依据这些分支对样本进行分类。
引用
@article{arxiv.2101.10427,
title = {Finding hidden-feature depending laws inside a data set and classifying it using Neural Network},
author = {Thilo Moshagen and Nihal Acharya Adde and Ajay Navilarekal Rajgopal},
journal= {arXiv preprint arXiv:2101.10427},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2011.07332