instance-dependent noise | BriefGPT

关键词instance-dependent noise

搜索结果 - 9

具有实例相关噪声标签的联邦学习
该研究讨论了在联邦学习中处理有噪标签的困难以及实例相关噪声的更具挑战性问题，提出了一种名为 FedBeat 的新算法，通过建立全局一致的分类器来解决这一问题，并且在实验中证明了该方法明显优于现有的其他方法。
PDF7 months ago
基于实例和标签相关的标签噪声的二分类
本文通过理论分析探讨了在样本噪声存在的情况下，仅使用噪声样本能否学习到可靠模型的问题。作者认为，没有额外假设条件的情况下，经验风险最小化可以达到最优风险上限。此外，文章还讨论了 0-1 损失的极小极大下限问题，认为纯使用噪声样本无法学习。
PDFa year ago
基于噪声率估计的样本选择噪声标签学习
提出一种能够有效提高 SOTA noisy-label learning 方法性能的新噪声标签学习图模型，该模型能够准确估计噪声率并用于训练过程的样本选择阶段。
PDFa year ago
重新思考标签价值：针对实例相关的标签噪声学习
本文介绍了基于结构因果模型的深度生成模型算法，解决了大规模数据集中存在的标签噪声问题。该算法有效利用了噪声标签的监督信息，并在合成和实际的噪声标签数据集上表现优异。
PDFa year ago
CVPR流形正则化过渡矩阵估计下的实例相关标签噪声学习
研究了标签噪声学习问题中的转移矩阵估计，基于人类任务标注时更加倾向于将外观相似的实例标注为同一类别的心理学和生理学证据，提出了 T（x）几何形状的假设，并利用流形嵌入技术来有效地减少了其自由度并使其在实践中稳定可估计。实验结果表明，该方法在
PDF2 years ago
AAAI超越类别条件假设：解决特定实例噪声标签的初步尝试
该论文提出了一种理论测试，证明现实世界的数据集中的噪声不太可能是类条件噪声，而是实例依赖噪声。研究者们还提出了一种可控的实例依赖噪声生成算法和一种小型算法 SEAL 来应对这种噪声，并在各种噪声分数下表现出色，同时提高了在真实世界噪音基准
PDF4 years ago
置信度评分使得基于实例的标签噪音学习成为可能
本文提出一种基于实例标签置信度的实例依赖噪声的学习方法，实现了针对未知噪声的前向矫正，并通过多个实验验证了其实用性和有效性。
PDF4 years ago
平均情况下的平均值：用于平滑敏感性和均值估计的私有算法
本文提出了一种实例依赖的差分隐私噪声缩放方法，并使用修剪均值估计器对平均分布假设下的实现进行了实验和理论分析，结果显示该方法相对于其他文献中的方法有较好的效果。同时，文章也重新审视了 Nissim、Raskhodnikova 和 Smith
PDF5 years ago
实例相关损伤下的二元标签学习
对于数据集存在的任意的基于实例和标签的噪声，本文提出算法来使得能够对数据集进行最优化的分类和排名，同时给出三个关键结果，即对于基于实例的噪声和广泛的基于实例和标签的噪声类，可以在噪声分布上保持一致性，而 Isotron 可以有效地从污染的样
PDF8 years ago