BriefGPT - AI 论文速递
·
通过少量人机交互改进学习在标签噪声下的表现
💡
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训练深度神经网络的方法，能够在标签噪音的情况下保持高稳健性。通过使用小的可信集合来估计样本权重和伪标签，以便进行监督训练。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取得了最优的表现。
🎯
关键要点
- 提出了一种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保持高稳健性。
- 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。
- 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取得了最优表现。
➡️
