标签噪声鲁棒学习算法研究综述

• 作者: 宫辰 张闯 王启舟
• 来源期刊: 航空兵器
• 学科: 工学
• 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能基础理论与技术
• 页码范围: 20-26
• 页数: 7页
• 分类号: TJ760|TP18
• 字数: 7804字
• 语种: 中文
• DOI: 10.12132/ISSN.1673-5048.2020.0010

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宫辰	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	3	4	1.0	2.0
5	张闯	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	7	43	3.0	6.0