本文介绍了一种结合EM算法和众包技术的神经网络训练模型，能够从多个标注者的嘈杂标签中进行有监督学习，捕捉标注者的可靠性和偏见。研究提出了多种方法来处理标签噪声和稀疏性问题，优化标注资源，提升分类器性能，并在多个领域取得了优异结果。

本文介绍了一种基于EM算法和众包技术的神经网络训练模型，能够从多个标注者的嘈杂标签中有效学习。同时，研究提出了深度学习模型InsectNet，能够准确识别2500种节肢动物，并利用多模态深度学习实现植物自动分类，准确率达到83.48%。此外，还提出了通过合成图像和深度学习进行植物表型鉴定的方法，显著提高了叶数计数的预测效果。