【论文分享】中科院自动化所多媒体计算与图形学团队NIPS 2017论文提出平均Top-K损失函数，专注于解决复杂样本

【导读】损失函数的设计一直是机器学习和模式识别中的核心问题。目前中国科学院自动化研究所和美国纽约州立大学奥尔巴尼分校合作提出了一种新的聚合损失函数，即平均损失函数。损失在优化的过程中专注于处理比较难的样本，可以更好地拟合数据的不同分布，特别是不平衡数据和多分布数据。该成果已被NIPS2017接受，以下是相关成果介绍。论文：Learning with Average Top-k Loss▌1. 引言：很多机器学习任务目标于学习一个映射函数以根据输入的数据或特征来预测目标输出。比如根据人的身高年龄来预测人的体重。我们需学习f以尽可能准确的根据x预测y，给定一组训练数据记f在样本(x, y)上损失为(如二分类中0-1损失）令其中，我们的学习目标可以定义为          ………………………………