基于高斯分布的正交分解分类损失函数的研究

目录

声明

第1章绪论

1.1 研究背景

1.2 课题的国内外研究现状

1.2.1研究现状

1.2.2分析总结

1.4 本文的主要研究工作和组织结构

第2章相关工作

2.2 似然函数

2.3 正交分解

2.4贝叶斯分类算法

2.5交叉熵损失

2.6 现有损失函数介绍

2.6.1 soft-max loss

2.6.2 Contrastive loss

2.6.3 Triplet loss

2.6.4 Center loss

2.6.5 Ring loss

2.6.6 Large-margin Gaussian Mixture loss

2.6.7 Large-margin soft-max loss

第3章问题分析

3.1 问题分析

3.1.1收敛方向分析

3.1.2度量方式分析

3.1.3解耦分析

3.2 方法概览

第4章基于高斯分布的正交分解损失函数

4.1切向损失

4.1.1 高斯分布

4.1.2 贝叶斯法则

4.1.3 交叉熵损失

4.2 径向损失

4.2.1高斯分布

4.2.3似然函数损失

4.3 联合监督

第5章实验分析

5.1 MNIST数据集

5.2 参数分析

5.2 Fashion-MNIST数据集

5.3 CIFAR-10数据集

5.4 CIFAR-100数据集

5.5 ImageNet数据集

5.6 实验总结

5.6.1 特征分布验证

5.6.2数据集验证

5.6.4角度调节控制参数α对实验结果的影响

5.6.5联合监督平衡参数λ验证

5.7本章小结

第6章总结与展望

6.1 总结

6.2 分析讨论

6.3 展望

参考文献

发表论文和参加科研情况说明

致谢