三教学框架

噪声标签鲁棒学习

通过第三个网络投票机制提升噪声标签下的预测可靠性，超越现有协同教学等方法。

晁国清 · Kaiwen, Zhang · Xiru, Wang · 初佃辉

Applied Soft Computing Journal 2024

技术优势

预测更可靠

引入投票机制，仅保留两个网络预测一致的数据来训练第三个网络，逐步提升预测质量。

超越现有方法

在基准数据集上，该框架超越了包括协同教学在内的众多现有最优方法。

利用记忆效应

基于深度神经网络的记忆效应，训练低损失样本，有效处理噪声标签。

应用场景

• 弱监督学习：提供处理噪声标签的新框架，提升弱监督场景下的模型鲁棒性。
• 智能系统：提升智能系统在不确定知识下的学习可靠性。
• 机器学习应用：可集成到现有训练流程，提升噪声标签数据上的性能。
• 数据驱动决策：通过提高预测可靠性，支持更稳健的数据驱动决策。