自步学习理解


Self-paced learning(SPL)

其中,lamda代表学习的年龄也就是迭代的次数,omiga代表决策函数中的参数,L代表损失函数,v代表是否选择此样本,f代表自步正则项

自步正则项的定义:

1.自步正则项必须是凸的

2.v随着损失是递减的,正好验证了损失越小越可能被选择

3.v随着lamda是递增的,当然就是年龄也就是迭代的次数越大,其越可能被学习啊,反正就年龄越大学习的越多。

在所有论文中,大概所有函数都是抽象的,建模型一般是先脱离数学,再回到数学妈妈的怀抱,也就是模型中只有一个函数的外壳。在模型中需要一个什么样的函数呢,是递减还是递增的,是凸函数还是凹函数呢,把这些都确定了,具体用到什么函数就不说了,反正性质都差不多,具体哪个也说不好

一些典型的正则化项,分别分hard、linear&mixture



流形正则化中,就是通过流形正则化项来达到结合有监督和无监督样本来找出分布特征的目的




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值