该研究探讨了遥感监督框架下的命名实体识别，发现现有方法效果不佳。为解决标签噪声问题，引入了一种基于课程的正负无标记学习方法，实证结果显示其能力超越现有方法。

研究者提出了一种基于两个EM循环的优化算法，用于解决深度学习算法中的标签噪声问题。实验证明该算法在各种类型的标签噪声下具有显著优势。

本文介绍了使用Learning from Crowds框架中的Label Selection Layer方法解决Crowd annotations中的标签噪声问题。实验证明该方法在几乎所有监督学习问题中都能获得与当前最先进的方法相当的性能。