用于深度神经网络分类的负对数似然比损失
机器学习
2018-05-01 v1 机器学习
摘要
在深度神经网络中，交叉熵损失函数常用于分类。在均匀特征和类分布假设下，最小化交叉熵等价于最大化似然。它属于生成式训练准则，不直接区分正确类与竞争类。我们提出一种具有正确类与竞争类之间负对数似然比的判别性损失函数。在 CIFAR-10 图像分类任务上，它显著优于交叉熵损失。
引用
@article{arxiv.1804.10690,
title = {Negative Log Likelihood Ratio Loss for Deep Neural Network Classification},
author = {Donglai Zhu and Hengshuai Yao and Bei Jiang and Peng Yu},
journal= {arXiv preprint arXiv:1804.10690},
year = {2018}
}