文献

J-GLOBAL ID：202202219872978605   整理番号：22A0788103

関節訓練による戦闘雑音ラベル【JST・京大機械翻訳】

Combat Noisy Labels by Joint Training

著者 (7件)： Li Hui (National University of Defense Technology,National Key Laboratory of Science and Technology on ATR,Changsha,China) ,  Niu Zhaodong (National University of Defense Technology,National Key Laboratory of Science and Technology on ATR,Changsha,China) ,  Peng Lingxiang (State Key Laboratory of Astronautic Dynamics,Xian,China) ,  Cui Xiangtang (State Key Laboratory of Astronautic Dynamics,Xian,China) ,  Wang Yupeng (National University of Defense Technology,National Key Laboratory of Science and Technology on ATR,Changsha,China) ,  Li Peiqin (College of Electronic Science and Technology, National University of Defense Technology,Changsha,China) ,  Zhong Weijun (State Key Laboratory of Astronautic Dynamics,Xian,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCECE  ページ： 494-498  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 雑音のあるラベルによる学習はWSLにおける最も挑戦的な問題の1つである。古典的教師つき学習は,モデルがクリーンなデータ分布からインスタンスで訓練されると仮定する。しかし,実世界では,雑音のあるラベルを持つインスタンスはユビキタスである。深層学習の開発によって,研究者は,深層ニューラルネットワーク(DNN)が記憶効果のために徐々に雑音の多いインスタンスを過剰適合させる傾向があることを発見した。この問題に取り組むために,ラベルノイズ表現学習(LNRL)における多くの精巧な作業が,深い学習モデルの性能を改良するために提案された。本論文では,最適化のレンズを介して新しい学習パラダイムを提案した。特に,2つの同一ネットワークを訓練し,各ネットワークは,ミニバッチデータから信頼できるインスタンスを選択するために,小損失ポリシーを利用した。そして,次に,訓練用例として2つのネットワークから選択したインスタンスの結合を取り上げる。教師つき情報の展望から,著者らは,著者らの提案した方式が2つのネットワーク多様性を通してLNRLの監視を強化することができると主張した。MNIST,CIFAR-10およびCIFAR-100の雑音のあるバージョンに関する経験的結果は,著者らのアプローチがLNRLにおける他の最先端のアプローチに対して優れていて,効果的に過剰適合雑音ラベルを避けることができることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *雑音 ,  レンズ ,  学習 ,  学習モデル ,  ネットワーク ,  教師つき学習 ,  記憶効果
準シソーラス用語： 用例 ,  ユビキタス ,  深層学習 ,  ディープニューラルネットワーク ,  表現学習 , 【Automatic Indexing@JST】

分類 (5件)： 符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 関節 ,  訓練 ,  戦闘 ,  雑音 ,  ラベル