BriefGPT - AI 论文速递
·
多标签类别增量学习的置信度自校准
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
该论文提出了一种新的端到端方法ProSelfLC，用于训练深度神经网络，通过增加对预测熵值较低的标签分布的信任度来解决自我学习中学习者的信任度问题。实验结果表明，ProSelfLC在干净和噪声环境下都具有较好的效果。
🎯
关键要点
- 该论文探讨了多种训练深度神经网络的方法。
- 提出了一种新的端到端方法 ProSelfLC。
- ProSelfLC 通过增加对低熵标签分布的信任度来解决自我学习中的信任度问题。
- 重新定义低熵状态并向其优化被证明是更好的策略。
- 实验结果表明 ProSelfLC 在干净和噪声环境下都具有较好的效果。
➡️
