arXiv Computer Vision· Mohammadreza Tavasoli Naeini, Ali Bereyhi, Morteza Noshad, Ben Liang, Alfred O. Hero III·· 2 小时前AI 评分22
BOLT：通过贝叶斯误差上界实现通用分类器训练
BOLT: Universal Classifier Training via a Bayes-Error Upper Bound
AI 导读
研究者提出从分类器输出样本计算贝叶斯误差率（BER）通用上界的方法，并据此定义新损失函数 BOLT（Bayes optimal learning threshold），训练时通过最小化该上界更新模型参数。该上界在二分类情形下是紧的，多分类聚合形式存在 max-sum 间隙。合成与真实数据集实验显示，在报告设置下 BOLT 训练的留出分类误差常低于交叉熵训练。
来源：arXiv Computer Vision · arxiv.org