面向噪声监督的协作学习
机器学习
2021-08-12 v1
摘要
带噪声标签的学习在鲁棒深度学习领域获得了极大的关注。近期研究经验性地揭示，利用双网络可以提升单网络的性能，但缺乏理论证明。本文提出面向噪声监督的协作学习（CooL）框架，从解析上解释了利用双网络或多网络的效果。具体而言，CooL中简单而高效的组合为未见干净数据带来了更可靠的风险最小化。在多个合成与真实世界设置的基准上开展了一系列实验。广泛的结果表明CooL优于若干最先进（SOTA）方法。
引用
@article{arxiv.2108.05092,
title = {Cooperative Learning for Noisy Supervision},
author = {Hao Wu and Jiangchao Yao and Ya Zhang and Yanfeng Wang},
journal= {arXiv preprint arXiv:2108.05092},
year = {2021}
}
备注
ICME 2021 Oral