会员服务
交叉熵（Cross Entropy）是Shannon信息论中一个重要概念，主要用于度量两个概率分布间的差异性信息。语言模型的性能通常用交叉熵和复杂度（perplexity）来衡量。交叉熵的意义是用该模型对文本识别的难度，或者从压缩的角度来看，每个词平均要用几个位来编码。
ProPML: Probability Partial Multi-label Learning
Arxiv
0+阅读 · 3月12日
Fourier Basis Density Model
Arxiv
0+阅读 · 2月23日
Cross Entropy versus Label Smoothing: A Neural Collapse Perspective
Arxiv
0+阅读 · 2月7日
Cross Entropy versus Label Smoothing: A Neural Collapse Perspective
Arxiv
0+阅读 · 2月6日
A Cross Entropy Interpretation of R{é}nyi Entropy for $α$-leakage
Arxiv
0+阅读 · 1月26日
TrAISformer -- A Transformer Network with Sparse Augmented Data Representation and Cross Entropy Loss for AIS-based Vessel Trajectory Prediction
Arxiv
0+阅读 · 1月3日
Aspect category learning and sentimental analysis using weakly supervised learning
Arxiv
0+阅读 · 2023年12月24日
In-Context Demonstration Selection with Cross Entropy Difference
Arxiv
0+阅读 · 2023年11月27日
Quantum Data Compression and Quantum Cross Entropy
Arxiv
0+阅读 · 2023年11月11日
Powerset multi-class cross entropy loss for neural speaker diarization
Arxiv
0+阅读 · 2023年10月19日
Bayesian improved cross entropy method with categorical mixture models
Arxiv
0+阅读 · 2023年9月21日
On the Role of Non-Localities in Fundamental Diagram Estimation
Arxiv
0+阅读 · 2023年8月31日
Don't blame Dataset Shift! Shortcut Learning due to Gradients and Cross Entropy
Arxiv
0+阅读 · 2023年8月24日
Automatic lobe segmentation using attentive cross entropy and end-to-end fissure generation
Arxiv
0+阅读 · 2023年7月24日
Enlarged Large Margin Loss for Imbalanced Classification
Arxiv
0+阅读 · 2023年6月15日
参考链接
微信扫码咨询专知VIP会员
Top