对标签噪声鲁棒的神经网络的建立
机器学习
2023-04-25 v3
摘要
标签噪声是深度学习模型训练中的一个显著障碍。它会对图像分类模型的性能产生相当大的影响，尤其是深度神经网络，因为它们具有记忆噪声标签的强烈倾向，因此特别容易受到影响。在本文中，我们审视了相关标签噪声方法背后的基本概念。我们创建了一个转移矩阵估计器，并展示了其相对于真实转移矩阵的有效性。此外，我们考察了采用LeNet和AlexNet设计的两个卷积神经网络分类器对标签噪声的鲁棒性。两个FashionMINIST数据集揭示了这两个模型的鲁棒性。由于时间和计算资源的限制，我们未能正确调优复杂的卷积神经网络模型，因此无法有效展示转移矩阵噪声校正对鲁棒性增强的影响。在未来的研究中，需要付出额外的努力来微调神经网络模型并探索所估计转移模型的精确度。
引用
@article{arxiv.2211.15279,
title = {Establishment of Neural Networks Robust to Label Noise},
author = {Pengwei Yang and Chongyangzi Teng and Jack George Mangos},
journal= {arXiv preprint arXiv:2211.15279},
year = {2023}
}
备注
11 pages, 7 figures