BriefGPT - AI 论文速递
·
使用协作样本选择和对比半监督学习来学习带噪标签的内容
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该文介绍了一种深度学习神经网络的标签检查和修正方法，通过小损失选择和噪声校正的思想，训练两个不同的网络，并根据分类误差和同意误差的评估来度量数据的置信度。实验结果表明该方法优于基准方法。
🎯
关键要点
-
提出了一种深度学习神经网络的标签检查和修正方法。
-
该方法结合了小损失选择和噪声校正的思想。
-
采用两个不同的网络进行训练。
-
通过分类误差和同意误差评估来度量训练数据的置信度。
-
在真实和人工数据集上的测试结果表明该方法优于基准方法。
🏷️
