实体 SGCE

SGCE

PulseAugur coverage of SGCE — every cluster mentioning SGCE across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_41742 · May 19 · 18:03

新的损失函数对称化提高了神经网络对标签噪声的鲁棒性

研究人员开发了一种新的神经网络训练方法，该方法对标记数据中的错误具有更强的鲁棒性。这种称为损失函数对称化的方法，在理论上保证了在处理噪声标签时具有更好的性能。该研究介绍了特定的多类损失函数，包括SGCE和alpha-MAE，它们在现有方法之间进行插值，并提供平滑度控制，在基准测试中显示出有竞争力的结果。