研究人员开发了一个名为高斯桥一致性（GBC）的新框架，以改进在具有长尾标签分布和噪声伪标签的场景下的半监督学习（SSL）。GBC通过动态原型图谱在未标记样本和高质量类别锚点之间构建语义插值路径。这使得学生模型可以通过一条从不确定预测到可靠类别原型的平滑轨迹进行学习，并通过桥一致性损失强制执行。此外，还引入了一种名为BridgeMix的置信感知特征混合策略，以增强跨样本泛化能力。 AI
影响 这项研究可能带来更强大、更具可扩展性的半监督学习模型，尤其是在数据不平衡的领域。
排序理由 该集群包含一篇研究论文，详细介绍了针对特定机器学习问题的新框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
