广义 Huber 损失的伪凸扩展用于鲁棒学习与伪模统计
机器学习
2022-02-24 v1 机器学习
统计计算
摘要
我们提出伪 Huber 损失公式的扩展推广。我们表明，利用 log-exp 变换与 logistic 函数，可构造一种结合严格凸损失与鲁棒损失优良性质的损失函数。借助该公式，我们证明可利用线性收敛算法求得极小化子。我们进一步讨论了拟凸复合损失的构造，并给出了一种无导数指数收敛速率算法。
引用
@article{arxiv.2202.11141,
title = {Nonconvex Extension of Generalized Huber Loss for Robust Learning and Pseudo-Mode Statistics},
author = {Kaan Gokcesu and Hakan Gokcesu},
journal= {arXiv preprint arXiv:2202.11141},
year = {2022}
}