本文探讨了自步学习（Self-Paced Learning）在损失函数中的应用，从一般损失函数到加入正则项，再到引入自步学习的优化问题。通过引入二元变量Vi来表示样本的难易程度，调整损失函数，使得模型在学习过程中优先关注误差较小的样本。系数K的大小影响样本被定义为容易的程度，随着K的减小，模型会考虑更多样本。这样的学习过程模拟了从易到难的学习策略。
自步学习（Self-Paced Learning）的损失函数
对文章 Self-paced Learning-for Latent Variable Models 中损失函数的由来进行解读
（最好对应着原论文看哦~）
不谈SPL的理论了，别的资料里说的很多~只聊聊损失函数的形式
之后有机会分析下以下三篇
- Self-paced Convolutional Neural Networks
- Easy Samples First: Self-paced Reranking for Zero-Example Multimedia Search
- What Objective Does Self-paced Learning Indeed Optimize?
机器学习中一般的损失函数形式
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
