machine-learning - 能量函数和损失函数有什么区别？

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 5 年前。

Improve this question

论文中A Tutorial on Energy Based Learning我看到了两个定义:

• 能量函数E(X, Y)通过推理过程最小化:目标是找到 Y 这样的值，这样 E(X, Y)取最小值。
• 损失函数是使用训练集衡量能量函数质量的指标。

我理解损失函数的含义(很好的例子是均方误差)。但是你能解释一下能量函数和损失函数有什么区别吗？您能给我一个 ML 或 DL 中能量函数的示例吗？

Answer 1

简而言之，能量函数描述了您的问题。相比之下，损失函数只是 ML 算法用作输入的函数。这可能是相同的功能，但情况不一定如此。

物理学中系统的能量可能是该系统内部的运动。在 ML 环境中，您可能希望通过调整参数来最小化移动。那么实现这一点的一种方法就是使用能量函数作为损失函数，并直接最小化这个函数。在其他情况下，此函数可能不容易评估或区分，然后其他函数可能会用作 ML 算法的损失。与分类类似，您关心分类器的准确性，但您仍然使用 softmax 上的交叉熵作为损失函数而不是准确性。