BriefGPT - AI 论文速递
·
通过最大化重新标记准确性实现噪声标签下的稳健数据修剪
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该论文提出了一种新的深度神经网络训练方法，能够在标签噪音的情况下保持高稳健性。该方法利用小的可信集合来估计样本权重和伪标签，以重复使用它们进行监督训练。该方法在各种类型的标签噪声和大规模真实世界标签噪声数据集上表现最优。
🎯
关键要点
- 该论文提出了一种全新的训练深度神经网络的方法。
- 该方法在标签噪音的情况下拥有高稳健性。
- 利用小的可信集合来估计样本权重和伪标签。
- 通过重复使用样本权重和伪标签进行监督训练。
- 该方法在各种类型的标签噪声上表现优异。
- 在大规模真实世界标签噪声数据集上取得了最新的最优表现。
➡️
