BriefGPT - AI 论文速递 · 2024-11-04T00:00:00Z

Conformal-in-the-Loop Method for Learning with Imbalanced Noisy Data

📝

内容提要

本研究提出了一种新的训练框架“循环保形方法”（CitL），旨在解决大规模数据集中类别不平衡和标签噪声问题。该方法通过评估样本不确定性、调整权重和剔除不可靠示例，提高模型的鲁棒性和准确性。实验结果表明，CitL在噪声和不平衡数据集中的分类准确率提高了6.1%。

🏷️

标签

分类准确率 循环保形方法 标签噪声 模型鲁棒性 类别不平衡