Differentiable Zero-One Loss via Hypersimplex Projections
通过超简单面投影实现可微零一损失
机构 * School of Data, Mathematical, and Statistical Sciences, University of Central Florida, Orlando, USA（数据、数学与统计科学学院，中央佛罗里达大学，奥兰多，美国） ； Department of CIS, University of Macau, Macao, China（信息与系统系，澳门大学，澳门，中国）
AI总结 本文提出了一种可微的零一损失近似方法，通过超简单面投影和Soft-Binary-Argmax操作符，提升大批次训练下的模型泛化能力。
Comments To appear in PAKDD 2026 (Pacific-Asia Conference on Knowledge Discovery and Data Mining), 12 pages
