BriefGPT.xyz
Ask
alpha
关键词
noise rate estimation
搜索结果 - 2
RoLNiP: 使用有噪声的配对比较进行鲁棒学习
提出了一种学习噪声配对比较的强健方法,该方法根据损失函数提出了充分条件,使得风险最小化框架在类似数据中噪声强度变大情况下保持强健性,并通过提供估算噪声率的方法来解决条件噪声的情况,并最终实现学习强健分类器的端到端方法。
PDF
a year ago
通过重要性加权对带噪声标签的数据进行分类
本文研究了一个分类问题,其中样本标签被随机损坏。我们解决了如何在有标签噪声的情况下最好地利用传统分类问题的丰富代理损失函数,通过重要性重新加权来使用任何代理损失函数进行带有噪声标签的分类,以及如何获得噪声率的问题。
PDF
10 years ago
Prev
Next