연구진이 CoCo 손실 함수를 제안하여 정규화되고 구조화된 표현 학습을 목표로 합니다. 이 손실 함수는 클래스 내 붕괴와 클래스 간 대비를 장려하면서 신경망이 클래스 간 큰 각도 분리를 갖는 기하학적 최적 임베딩을 근사할 수 있도록 충분한 유연성을 유지합니다.
OpenML-CC18 벤치마크의 다양한 표 데이터 세트에서 실험 결과, CoCo는 커널 SVM, Random Forest, 점 회귀 및 교차 엔트로피 기반 신경망과 같은 최첨단 방법과 경쟁력 있는 성능을 달성했습니다.
이론적 분석과 경험적 분석 모두 제안이 더 조밀한 클래스 클러스터링과 빠른 수렴을 촉진한다는 것을 보여줍니다.