Samuel Alan Kossoff Leeney

新的贝叶斯损失函数可识别机器学习模型中的数据污染

研究人员开发了神经贝叶斯异常缓解（NBAM），这是一种新颖的损失函数，旨在提高监督机器学习模型对数据污染的鲁棒性。NBAM 不仅使模型能够容忍损坏的数据（类似于 Huber 或 Student's t-test 等现有鲁棒损失），还能作为无监督分类器来识别哪些特定观测值已被损坏。该方法利用贝叶斯潜在开关混合模型来实现这一目标，在具有显著污染率的 CIFAR-10 数据集上表现优于基线鲁棒损失。