본 논문은 정보이론에서 유도된 선형 적응형 교차 엔트로피 손실 함수(Linearly Adaptive Cross Entropy Loss function)를 제안한다. 기존의 교차 엔트로피 손실 함수에 실제 클래스의 예측 확률에 의존하는 추가 항을 포함하여 원-핫 인코딩된 클래스 레이블을 사용하는 분류 작업에서 최적화 과정을 향상시킨다. CIFAR-100 데이터셋을 사용한 ResNet 기반 모델에서 평가한 결과, 기존의 교차 엔트로피 손실 함수보다 분류 정확도가 일관되게 우수하며, 효율성 측면에서도 거의 동일한 수준을 유지함을 보였다. 이는 손실 함수 설계에 대한 향후 연구의 범위를 넓힐 수 있음을 시사한다.
