Buchumschlag

Lai Loss: A Novel Loss for Gradient Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lai, YuFei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Stepsize Gradient Descent for Logistic Loss: Non-Monotonicity of the Loss Improves Optimization Efficiency
von: Wu, Jingfeng, et al.
Veröffentlicht: (2024)

When Losses Align: Gradient-Based Composite Loss Weighting for Efficient Pretraining
von: Karpukhin, Ivan, et al.
Veröffentlicht: (2026)

Conformal Loss-Controlling Prediction
von: Wang, Di, et al.
Veröffentlicht: (2023)

Gradient Aligned Regression via Pairwise Losses
von: Zhu, Dixian, et al.
Veröffentlicht: (2024)

A Huber Loss Minimization Approach to Byzantine Robust Federated Learning
von: Zhao, Puning, et al.
Veröffentlicht: (2023)

Loss Gradient Gaussian Width based Generalization and Optimization Guarantees
von: Banerjee, Arindam, et al.
Veröffentlicht: (2024)

Criterion Collapse and Loss Distribution Control
von: Holland, Matthew J.
Veröffentlicht: (2024)

Loss-Controlling Calibration for Predictive Models
von: Wang, Di, et al.
Veröffentlicht: (2023)

Control Consistency Losses for Diffusion Bridges
von: Howard, Samuel, et al.
Veröffentlicht: (2025)

Per-Loss Adapters for Gradient Conflict in Physics-Informed Neural Networks
von: Kim, Bum Jun, et al.
Veröffentlicht: (2026)

Multiclass Loss Geometry Matters for Generalization of Gradient Descent in Separable Classification
von: Schliserman, Matan, et al.
Veröffentlicht: (2025)

General Loss Functions Lead to (Approximate) Interpolation in High Dimensions
von: Lai, Kuo-Wei, et al.
Veröffentlicht: (2023)

AYLA: Amplifying Gradient Sensitivity via Loss Transformation in Non-Convex Optimization
von: Keslaki, Ben
Veröffentlicht: (2025)

Any-stepsize Gradient Descent for Separable Data under Fenchel-Young Losses
von: Bao, Han, et al.
Veröffentlicht: (2025)

AnyLoss: Transforming Classification Metrics into Loss Functions
von: Han, Doheon, et al.
Veröffentlicht: (2024)

Tube Loss: A Novel Approach for Prediction Interval Estimation
von: Anand, Pritam, et al.
Veröffentlicht: (2024)

Composite Quantile Regression With XGBoost Using the Novel Arctan Pinball Loss
von: Sluijterman, Laurens, et al.
Veröffentlicht: (2024)

RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting
von: Wang, Jieting, et al.
Veröffentlicht: (2025)

Gradient Descent as Loss Landscape Navigation: a Normative Framework for Deriving Learning Rules
von: Vastola, John J., et al.
Veröffentlicht: (2025)

Stabilization of Perturbed Loss Function: Differential Privacy without Gradient Noise
von: Habib, Salman, et al.
Veröffentlicht: (2025)

A Taxonomy of Loss Functions for Stochastic Optimal Control
von: Domingo-Enrich, Carles
Veröffentlicht: (2024)

A Novel Algorithm for Personalized Federated Learning: Knowledge Distillation with Weighted Combination Loss
von: Hu, Hengrui, et al.
Veröffentlicht: (2025)

Is Softmax Loss All You Need? A Principled Analysis of Softmax-family Loss
von: Pu, Yuanhao, et al.
Veröffentlicht: (2026)

Jensen-Shannon Divergence Based Novel Loss Functions for Bayesian Neural Networks
von: Thiagarajan, Ponkrshnan, et al.
Veröffentlicht: (2022)

Control, Transport and Sampling: Towards Better Loss Design
von: Jiang, Qijia, et al.
Veröffentlicht: (2024)

Learning with Fitzpatrick Losses
von: Rakotomandimby, Seta, et al.
Veröffentlicht: (2024)

Distributional Adversarial Loss
von: Ahmadi, Saba, et al.
Veröffentlicht: (2024)

LossLens: Diagnostics for Machine Learning through Loss Landscape Visual Analytics
von: Xie, Tiankai, et al.
Veröffentlicht: (2024)

A Novel Loss Function-based Support Vector Machine for Binary Classification
von: Li, Yan, et al.
Veröffentlicht: (2024)

Conformal Risk Control for Non-Monotonic Losses
von: Angelopoulos, Anastasios N.
Veröffentlicht: (2026)

Digital Inclusive Finance and Individual Commercial Pension Insurance Participation
von: YuFei Zhang
Veröffentlicht: (2025)

Modified Loss of Momentum Gradient Descent: Fine-Grained Analysis
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2025)

EnsLoss: Stochastic Calibrated Loss Ensembles for Preventing Overfitting in Classification
von: Dai, Ben
Veröffentlicht: (2024)

Overcoming the Loss Conditioning Bottleneck in Optimization-Based PDE Solvers: A Novel Well-Conditioned Loss Function
von: Cao, Wenbo, et al.
Veröffentlicht: (2025)

LCIP: Loss-Controlled Inverse Projection of High-Dimensional Image Data
von: Wang, Yu, et al.
Veröffentlicht: (2026)

Feature Space Topology Control via Hopkins Loss
von: Vaaras, Einari, et al.
Veröffentlicht: (2025)

Theoretical Analysis of Relative Errors in Gradient Computations for Adversarial Attacks with CE Loss
von: Yu, Yunrui, et al.
Veröffentlicht: (2025)

The Rank and Gradient Lost in Non-stationarity: Sample Weight Decay for Mitigating Plasticity Loss in Reinforcement Learning
von: Wu, Zihao, et al.
Veröffentlicht: (2026)

Enhancing Certified Robustness via Block Reflector Orthogonal Layers and Logit Annealing Loss
von: Lai, Bo-Han, et al.
Veröffentlicht: (2025)

Predictive Uncertainty Quantification for Bird's Eye View Segmentation: A Benchmark and Novel Loss Function
von: Yu, Linlin, et al.
Veröffentlicht: (2024)