BriefGPT - AI 论文速递 · 2025-02-11T00:00:00Z 可转移元标签修正的噪声标签学习：TMLC-Net 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 该研究提出了TMLC-Net，一种新颖的可转移元学习框架，旨在应对噪声标签对深度学习模型的影响。实验结果表明，TMLC-Net在准确性和鲁棒性方面优于现有方法，具有广泛的应用潜力。 🏷️ 标签 TMLC-Net 准确性 可转移元学习 噪声标签 深度学习 阅读原文 生成长图 分享链接 已复制链接
