新的图VAE架构解决了噪声标签聚合问题

研究人员开发了一种名为双原始图VAE的新型图VAE架构，以应对从噪声众包数据中推断真实标签的挑战。这种无监督方法将真实标签视为潜在变量，利用图注意力网络在数据集的邻接图及其对偶图上传递消息。该模型在众包基准测试中取得了最先进的性能，并且可以通过在噪声标签上训练的分类器的辅助信息进行增强，以进一步提高分类准确性。 AI

影响 引入了一种新颖的无监督方法来提高众包数据的准确性，可能使依赖大规模人工标注的应用受益。

排序理由 该集群包含一篇详细介绍新型模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Dual-Primal Graph VAEs
• Gotit.pub
• Hugging Face
• IArxiv
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →