20260706:新增一些文章

concepts/mapping-loss.md

@@ -0,0 +1,60 @@
+---
+title: "Mapping Loss: 联合任务与几何约束的损失函数"
+created: 2026-06-25
+updated: 2026-06-25
+type: concept
+tags: [loss-function, mapping-networks, regularization, lipschitz-continuity]
+sources: ["[[sen-mapping-networks]]"]
+---
+
+# Mapping Loss (映射损失)
+
+Mapping Loss 是 [[sen-mapping-networks|Mapping Networks]] 的训练损失函数，同时优化下游任务性能和 [[mapping-theorem|Mapping Theorem]] 所要求的几何/解析性质。
+
+## 公式
+
+$$L_{\text{map}} = L_{\text{task}} + \lambda_{\text{stab}} L_{\text{stab}} + \lambda_{\text{sm}} L_{\text{smooth}} + \lambda_{\text{al}} L_{\text{align}}$$
+
+其中 λ_stab, λ_smooth, λ_align 均为**可训练系数**，使网络自适应地平衡各组件。
+
+## 四组件详解
+
+### 1. Task Loss (L_task)
+
+标准交叉熵损失，确保生成的参数在下游任务上功能最优：
+
+$$L_{\text{task}} = -\sum_i y_i \log \hat{y}_i$$
+
+### 2. Stability Loss (L_stab)
+
+强制**局部 Lipschitz 连续性**（对应 Mapping Theorem 的 A1 假设）：
+
+$$L_{\text{stab}} = \mathbb{E}_{\epsilon \sim \mathcal{N}(0,\sigma^2 I)}\left[\|f_{\theta'}(z+\epsilon) - f_{\theta'}(z)\|^2_2\right]$$
+
+确保隐向量的小扰动不导致输出大变化。
+
+### 3. Smoothness Loss (L_smooth)
+
+强制 **C² 连续性**（对应定理的 A3 假设）：
+
+$$L_{\text{smooth}} = \|\nabla_z M_\phi(z)\|^2_F$$
+
+惩罚 Jacobian 的 Frobenius 范数，防止生成的权重空间出现震荡。
+
+### 4. Alignment Loss (L_align)
+
+保持隐向量与映射权重方向的兼容性：
+
+$$L_{\text{align}} = 1 - \cos(z, \bar{W}^m)$$
+
+其中 W̄^m 是调制后投影层的行均值。
+
+## 消融结果
+
+在 FashionMNIST 上：Task Loss 单独 87.79%，每增加一个组件 +1-2%，全组合达 91.88%。Stability 和 Smoothness 贡献略高于 Alignment。
+
+## 参考
+
+- [[lipschitz-continuity]]
+- [[mapping-theorem]]
+- [[solvability-theorem]]