-
题名标签噪声鲁棒学习算法研究综述
被引量：7
- 1
-
-
作者
宫辰
张闯
王启舟
-
机构
南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室
南京理工大学计算机科学与工程学院江苏省社会安全图像与视频理解重点实验室
-
出处
《航空兵器》
CSCD
北大核心
2020年第3期20-26,共7页
-
基金
国家自然科学基金项目(61973162)
江苏省自然科学基金项目(BK20171430)。
-
文摘
在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对训练数据的采集。不幸的是,这些替代方法获取的数据往往存在大量的错误标注,即标签噪声,由此带来了很多潜在的问题。因此,对标签噪声鲁棒学习算法的研究,在推广机器学习工程应用、降低机器学习算法部署成本方面具有重要的意义。本文对标签噪声鲁棒学习算法的最新研究成果进展进行了全面综述,分别从标签噪声的产生、影响、分类等方面进行了详细的总结,对每类标签噪声的处理方法进行了介绍,并对每类处理方法的优缺点进行分析。
-
关键词
人工智能
机器学习
弱监督学习
标签噪声
深度学习
鲁棒学习算法
-
Keywords
artificial intelligence
machine learning
weakly supervised learning
label noise
deep learning
robust learning algorithm
-
分类号
TJ760
[兵器科学与技术—武器系统与运用工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
