순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
A comprehensive survey of loss functions and metrics in deep learning
Juan Terven, Diana‐Margarita Córdova‐Esparza, Julio-Alejandro Romero-González 외 · Artificial Intelligence Review · 2025년 · 조회 13
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2025-04 발표 · 피인용 277회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1%
HOT PAPER 슬롯에 선정된 이유는 2025년 발표 이후 277회의 인용을 기록하며 분야 평균 대비 인용 영향력이 매우 높고, 동년 논문 중 인용 상위 1%에 속하기 때문이다.
논문 요약
본 논문은 딥러닝에서 사용되는 손실 함수와 성능 지표를 전반적으로 리뷰한다. 회귀·분류와 같은 기본 과제부터 컴퓨터 비전·자연어 처리 등 특수 분야까지 적용 사례를 제시한다. 손실 함수와 지표가 학습 목표와 어떻게 정렬되는지 통합 프레임워크를 제시하고, 다중 손실 설정에 대한 심층 논의를 제공한다. 또한 작업별 클래스 불균형·이상치·시퀀스 최적화 등 문제에 대한 새로운 통찰을 제시한다.
후속 연구설계에 활용하기
이 통합 프레임워크를 활용해 연구자는 특정 과제에 적합한 손실 함수와 지표를 매칭하고, 다중 손실 구성 실험을 설계할 수 있다.
핵심어
딥러닝손실 함수평가 지표멀티태스크 학습
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.