Buchumschlag

Improving Performance in Classification Tasks with LCEN and the Weighted Focal Differentiable MCC Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Seber, Pedro, Braatz, Richard D.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LCEN: A Nonlinear, Interpretable Feature Selection and Machine Learning Algorithm
von: Seber, Pedro, et al.
Veröffentlicht: (2024)

Predicting O-GlcNAcylation Sites in Mammalian Proteins with Transformers and RNNs Trained with a New Loss Function
von: Seber, Pedro
Veröffentlicht: (2024)

Weighted MCC: A Robust Measure of Multiclass Classifier Performance for Observations with Individual Weights
von: Cortez, Rommel, et al.
Veröffentlicht: (2025)

Improving Calibration by Relating Focal Loss, Temperature Scaling, and Properness
von: Komisarenko, Viacheslav, et al.
Veröffentlicht: (2024)

Focal-SAM: Focal Sharpness-Aware Minimization for Long-Tailed Classification
von: Li, Sicong, et al.
Veröffentlicht: (2025)

Improved Balanced Classification with Theoretically Grounded Loss Functions
von: Cortes, Corinna, et al.
Veröffentlicht: (2025)

Geometric Insights into Focal Loss: Reducing Curvature for Enhanced Model Calibration
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Gradient-Weight Alignment as a Train-Time Proxy for Generalization in Classification Tasks
von: Hölzl, Florian A., et al.
Veröffentlicht: (2025)

Focal Modulation Networks for Interpretable Sound Classification
von: Della Libera, Luca, et al.
Veröffentlicht: (2024)

Online Structured Prediction with Fenchel--Young Losses and Improved Surrogate Regret for Online Multiclass Classification with Logistic Loss
von: Sakaue, Shinsaku, et al.
Veröffentlicht: (2024)

Interpretation of High-Dimensional Regression Coefficients by Comparison with Linearized Compressing Features
von: Schaeffer, Joachim, et al.
Veröffentlicht: (2024)

Analytical Uncertainty-Based Loss Weighting in Multi-Task Learning
von: Kirchdorfer, Lukas, et al.
Veröffentlicht: (2024)

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

Comparative Study on the Performance of Categorical Variable Encoders in Classification and Regression Tasks
von: Zhu, Wenbin, et al.
Veröffentlicht: (2024)

Consistency Conditions for Differentiable Surrogate Losses
von: Khurana, Drona, et al.
Veröffentlicht: (2025)

Revitalizing Saturated Benchmarks: A Weighted Metric Approach for Differentiating Large Language Model Performance
von: Etzine, Bryan, et al.
Veröffentlicht: (2025)

Improving GBDT Performance on Imbalanced Datasets: An Empirical Study of Class-Balanced Loss Functions
von: Luo, Jiaqi, et al.
Veröffentlicht: (2024)

An Improved Privacy and Utility Analysis of Differentially Private SGD with Bounded Domain and Smooth Losses
von: Liang, Hao, et al.
Veröffentlicht: (2025)

Learning Differentiable Surrogate Losses for Structured Prediction
von: Yang, Junjie, et al.
Veröffentlicht: (2024)

Learning Model Predictive Control Parameters via Bayesian Optimization for Battery Fast Charging
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Focal Loss based Residual Convolutional Neural Network for Speech Emotion Recognition
von: Tripathi, Suraj, et al.
Veröffentlicht: (2019)

Weighted Aggregation of Conformity Scores for Classification
von: Luo, Rui, et al.
Veröffentlicht: (2024)

ClaHF: A Human Feedback-inspired Reinforcement Learning Framework for Improving Classification Tasks
von: Xu, Tianxiang, et al.
Veröffentlicht: (2026)

Class-Imbalanced Complementary-Label Learning via Weighted Loss
von: Wei, Meng, et al.
Veröffentlicht: (2022)

Thumb on the Scale: Optimal Loss Weighting in Last Layer Retraining
von: Stromberg, Nathan, et al.
Veröffentlicht: (2025)

Average Calibration Error: A Differentiable Loss for Improved Reliability in Image Segmentation
von: Barfoot, Theodore, et al.
Veröffentlicht: (2024)

Classification with Deep Neural Networks and Logistic Loss
von: Zhang, Zihan, et al.
Veröffentlicht: (2023)

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

Differentiable Zero-One Loss via Hypersimplex Projections
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Sampling and Loss Weights in Multi-Domain Training
von: Salmani, Mahdi, et al.
Veröffentlicht: (2025)

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

Loss Regularizing Robotic Terrain Classification
von: Kumar, Shakti Deo, et al.
Veröffentlicht: (2024)

Adaptive Weighted LSSVM for Multi-View Classification
von: Lighvan, Farnaz Faramarzi, et al.
Veröffentlicht: (2025)

Panprediction: Optimal Predictions for Any Downstream Task and Loss
von: Balakrishnan, Sivaraman, et al.
Veröffentlicht: (2025)

An Enhanced Focal Loss Function to Mitigate Class Imbalance in Auto Insurance Fraud Detection with Explainable AI
von: Boabang, Francis, et al.
Veröffentlicht: (2025)

Personalized Weight Loss Management through Wearable Devices and Artificial Intelligence
von: Romero-Tapiador, Sergio, et al.
Veröffentlicht: (2024)

Improving the Weighting Strategy in KernelSHAP
von: Olsen, Lars Henry Berge, et al.
Veröffentlicht: (2024)

A Multi-Modal CNN-LSTM Framework with Multi-Head Attention and Focal Loss for Real-Time Elderly Fall Detection
von: Zhou, Lijie, et al.
Veröffentlicht: (2026)

Task Weighting through Gradient Projection for Multitask Learning
von: Bohn, Christian, et al.
Veröffentlicht: (2024)

Task Addition and Weight Disentanglement in Closed-Vocabulary Models
von: Hazimeh, Adam, et al.
Veröffentlicht: (2025)