Я пытаюсь придумать модель глубокого обучения нелинейной регрессии, чтобы предсказать дальнее поле данной наноструктуры.
Спектр дальнего поля сильно нелинейный и может иметь несколько резонансных точек (внезапное увеличение поля). Смотрите график ниже.
Мой DNN состоит из 3 слоев свертки, за которыми следуют 4 плотных слоя для устранения нелинейности.
Однако я хотел бы иметь функцию потерь, которая будет более чувствительной к выбросам, чтобы я мог найти точные точки, где возникает резонанс.
До сих пор я использовал довольно много функций потерь, и потери Хьюбера работают лучше всего с точки зрения установленной окончательной потери (0,0101), несмотря на то, что она менее чувствительна к выбросам. На графике ниже показаны фактические и прогнозируемые спектры.
Фактические и прогнозируемые спектры:
Я знаю, что среднеквадратическая ошибка чувствительна к выбросам, но в этом случае установленный убыток (0,0198) выше, чем в предыдущем случае.
Какая функция потерь наиболее чувствительна к выбросам, особенно при нелинейной регрессии. Если бы вы могли предложить пользовательскую функцию потери для этой проблемы, это также было бы хорошо.