COR 损失函数

Correlation Regularization Loss (COR),是一种用于衡量特征之间线性相关性的损失函数,其目标是通过惩罚冗余的相关性,促使生成的特征彼此独立,提高模型的泛化能力。

计算公式:

特征矩阵, n是样本数量, d是特征维度。 COR损失函数的定义:

其中:是特征矩阵X的协方差; ,当i=j时, , 否则,

等价形式

协方差矩阵 C 表示特征之间的线性相关性;

​ 是理想目标(特征完全独立),单位矩阵;

COR 损失通过最小化 C 和 之间的差异,让特征尽量不相关。

应用场景:

在自动编码器(Autoencoder)中,COR 损失可以使编码器生成的特征彼此不相关,提升特征的多样性和表征能力;

通过最小化 COR 损失,约束源域和目标域特征的相关性,提升模型在目标域的泛化能力;

协方差矩阵的计算方法:

描述随机变量之间线性相关性的一种方法;

给定n个样本和d个特征,协方差矩阵是一个dXd维的对称矩阵,每个元素表示两个特征之间的协方差;

协方差的计算公式:

Cov(X,Y) = E[(X - E(X)) (Y - E(Y))]

E(X)表示变量X的期望;

X-E(X)变量的去中心化;

协方差能代表两个变量X和Y之间的相关性,即如果Cov(X,Y) > 0时,当X增大时,Y也倾向于增大,表现为正相关;

如果Cov(X,Y)<0时,当X增大时,Y倾向于减小,表现为负相关;

如果Cov(X,Y) = 0时,X和Y之间没有线性关系,但可能存在非线性关系;

协方差矩阵的计算公式:

对于特征矩阵(每行是一个样本,每列是一个特征),

其中,对X的每列特征减去其均值,进行去中心化

相关推荐
guanshiyishi2 小时前
ABeam 德硕 | 中国汽车市场(2)——新能源车的崛起与中国汽车市场机遇与挑战
人工智能
极客天成ScaleFlash2 小时前
极客天成NVFile:无缓存直击存储性能天花板,重新定义AI时代并行存储新范式
人工智能·缓存
Uzuki2 小时前
AI可解释性 II | Saliency Maps-based 归因方法(Attribution)论文导读(持续更新)
深度学习·机器学习·可解释性
澳鹏Appen3 小时前
AI安全:构建负责任且可靠的系统
人工智能·安全
蹦蹦跳跳真可爱5894 小时前
Python----机器学习(KNN:使用数学方法实现KNN)
人工智能·python·机器学习
视界宝藏库4 小时前
多元 AI 配音软件,打造独特音频体验
人工智能
xinxiyinhe4 小时前
GitHub上英语学习工具的精选分类汇总
人工智能·deepseek·学习英语精选
ZStack开发者社区5 小时前
全球化2.0 | ZStack举办香港Partner Day,推动AIOS智塔+DeepSeek海外实践
人工智能·云计算
Spcarrydoinb6 小时前
基于yolo11的BGA图像目标检测
人工智能·目标检测·计算机视觉
非ban必选6 小时前
spring-ai-alibaba第四章阿里dashscope集成百度翻译tool
java·人工智能·spring