ZClassifier：基于KL散度的Logit空间温度调优与流形近似
机器学习
2025-07-16 v1 人工智能
神经与进化计算
机器人学
摘要
我们提出一种新型分类框架ZClassifier，用对角Gaussian分布的logit取代常规确定性logit。该方法通过最小化预测的Gaussian分布与单位各向同性Gaussian之间的KL散度，同时实现温度标定与流形近似。这种统一的方式以原则化概率方式整合不确定性校准与潜在控制，使类别置信度和几何一致性具有自然解释。在CIFAR-10和CIFAR-100上的实验表明，ZClassifier在鲁棒性、校准和潜在分离方面均优于softmax分类器，且在小规模和大规模分类设置下均能持续获益。
引用
@article{arxiv.2507.10636,
title = {GeoHopNet: Hopfield-Augmented Sparse Spatial Attention for Dynamic UAV Site Location Problem},
author = {Jianing Zhi and Xinghua Li and Zidong Chen},
journal= {arXiv preprint arXiv:2507.10636},
year = {2025}
}
备注
12 Pages, 5 Figures