ContrastiveLossLayer

ContrastiveLossLayer[]

表示一个损失层，基于距离参数和指定应该最小化或最大化距离的目标计算损失.

ContrastiveLossLayer[margin]

指定一个距离，对于 True 目标超过该距离损失为零.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (2)

创建给定边幅的 ContrastiveLossLayer：

创建 ContrastiveLossLayer：

将其应用于一些数据：

如果目标为 True，仅当输入距离小于默认边幅 0.5 时损失非零：

如果目标为 False，损失与输入距离成比例：

应用  (1)

训练多层感知器嵌入仅基于其拓扑结构的合成数据集. 首先，在平面上密集的螺旋状流形上创建训练数据：

创建感知器：

创建损失网络，度量嵌入的效果：

创建生成器，对点对采样，如果它们在流形上的参数化差异大于 Pi，则将它们关联为 True：

训练网络，使用生成器对点对采样，如果它们的原始参数化接近的话则将其归类为相同：

从网上提取嵌入：

绘制由网络作为彩图了解的一维嵌入图形：

Wolfram Research (2017)，ContrastiveLossLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ContrastiveLossLayer.html.

文本

Wolfram Research (2017)，ContrastiveLossLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ContrastiveLossLayer.html.

CMS

Wolfram 语言. 2017. "ContrastiveLossLayer." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/ContrastiveLossLayer.html.

APA

Wolfram 语言. (2017). ContrastiveLossLayer. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ContrastiveLossLayer.html 年

BibTeX

@misc{reference.wolfram_2024_contrastivelosslayer, author="Wolfram Research", title="{ContrastiveLossLayer}", year="2017", howpublished="\url{https://reference.wolfram.com/language/ref/ContrastiveLossLayer.html}", note=[Accessed: 03-December-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_contrastivelosslayer, organization={Wolfram Research}, title={ContrastiveLossLayer}, year={2017}, url={https://reference.wolfram.com/language/ref/ContrastiveLossLayer.html}, note=[Accessed: 03-December-2024 ]}