检索结果-南通市图书馆

A robust optimization method for label noisy datasets based on adaptive threshold: Adaptive-k

Frontiers of Computer Science 2024年第4期18卷 49-60页

作者： Enes DEDEOGLU Himmet Toprak KESGIN Mehmet Fatih AMASYALI Department of Computer Engineering Yildiz Technical UniversityIstanbul 34220Turkey

The use of all samples in the optimization process does not produce robust results in datasets with label *** the gradients calculated according to the losses of the noisy samples cause the optimization process to go in the wrong *** this paper,we recommend using samples with loss less than a threshold determined during the optimization,instead of using all samples in the *** proposed method,Adaptive-k,aims to exclude label noise samples from the optimization process and make the process *** noisy datasets,we found that using a threshold-based approach,such as Adaptive-k,produces better results than using all samples or a fixed number of low-loss samples in the *** the basis of our theoretical analysis and experimental results,we show that the Adaptive-k method is closest to the performance of the Oracle,in which noisy samples are entirely removed from the ***-k is a simple but effective *** does not require prior knowledge of the noise ratio of the dataset,does not require additional model training,and does not increase training time *** the experiments,we also show that Adaptive-k is compatible with different optimizers such as SGD,SGDM,and *** code for Adaptive-k is available at GitHub.

关键词： robust optimization label noise noisy label deep learning noisy datasets noise ratio estimation robust training

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：