第N绝对根均误差
机器学习
2019-12-16 v2 机器学习
摘要
当训练数据规模巨大时，神经网络训练过程耗时很长，而没有大量训练值集合神经网络无法学习特征。这种时间与数据规模之间的两难常借助快速GPU解决，但我们针对其中一部分问题给出了更好的方案。为减少用神经网络训练回归模型的时间，我们引入一种称为第N绝对根均误差(NARME)的损失函数。与其他现有损失函数相比，它有助于更快地训练回归模型。实验表明，在大多数用例中NARME将所需训练轮数降至其他常用损失函数的近十分之一，并在其训练的短时间内也取得了很高的精度。
引用
@article{arxiv.1810.00421,
title = {Nth Absolute Root Mean Error},
author = {Siddhartha Dhar Choudhury and Shashank Pandey},
journal= {arXiv preprint arXiv:1810.00421},
year = {2019}
}
备注
12 pages, 13 figures