利用噪声零-shot伪标签增强半监督学习

本研究解决了半监督学习中伪标签不可靠的问题，提出了一种名为ZMT的框架，能够联合优化零-shot伪标签与无监督表征学习目标。实验证明，ZMT在处理噪声伪标签时能将错误率降低多达56%，提升了半监督学习在资源受限环境下的有效性和可及性。

本研究提出ZMT框架，解决半监督学习中伪标签不可靠的问题。ZMT通过联合优化零-shot伪标签和无监督表征学习，实验证明其错误率降低了56%，在资源受限环境下有效性提升显著。

ZMT框架 伪标签 半监督 半监督学习 无监督学习 错误率
原文中文，约200字，阅读约需1分钟。发表于：。
阅读原文
分享给好友