Multi-task label noise learning for classification

计算机科学 人工智能 一般化 噪音(视频) 任务(项目管理) 灵活性(工程) 机器学习 水准点(测量) 模式识别(心理学) 滤波器(信号处理) 降噪 多标签分类 多任务学习 图像(数学) 计算机视觉 数学 数学分析 大地测量学 经济 统计 管理 地理
作者
Zongmin Liu,Ziyi Wang,Ting Wang,Yitian Xu
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier BV]
卷期号:130: 107714-107714
标识
DOI:10.1016/j.engappai.2023.107714
摘要

Multi-task classification improves generalization performance via exploiting the correlations between tasks. However, most multi-task learning methods fail to recognize and filter noisy labels for the classification problems with label noises. To address this issue, this paper proposes a novel multi-task label noise learning method based on loss correction, called MTLNL. MTLNL introduces the class-wise denoising (CWD) method for loss decomposition and centroid estimation of the loss function in multi-task learning, and eliminates the impact of label noise by using label flipping rate. It also extends to the multi-task positive-unlabeled (PU) learning domain, which offers better flexibility and generalization performance. Moreover, Nesterov's method is applied to accelerate the solution of the model. MTLNL is compared with other algorithms on five benchmark datasets, five image datasets, and a multi-task PU dataset to demonstrate its effectiveness.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
听寒完成签到,获得积分10
1秒前
珍珠火龙果完成签到 ,获得积分10
4秒前
似水流年完成签到 ,获得积分10
5秒前
sysi完成签到 ,获得积分10
20秒前
绿波电龙完成签到,获得积分10
21秒前
24秒前
ZZzz完成签到 ,获得积分10
25秒前
wujiwuhui发布了新的文献求助10
29秒前
31秒前
梦梦的小可爱完成签到 ,获得积分10
31秒前
xinjie发布了新的文献求助10
34秒前
36秒前
蛋花肉圆汤完成签到,获得积分10
36秒前
羞涩的文轩完成签到 ,获得积分10
37秒前
42秒前
43秒前
北城完成签到 ,获得积分10
45秒前
量子星尘发布了新的文献求助10
45秒前
48秒前
爱听歌电灯胆完成签到 ,获得积分10
48秒前
不爱吃西葫芦完成签到 ,获得积分10
49秒前
申燕婷完成签到 ,获得积分10
50秒前
橙子完成签到 ,获得积分10
52秒前
ruochenzu发布了新的文献求助10
52秒前
fusheng完成签到 ,获得积分10
1分钟前
浮生完成签到 ,获得积分10
1分钟前
xinjie完成签到,获得积分10
1分钟前
Will完成签到,获得积分10
1分钟前
cuddly完成签到 ,获得积分10
1分钟前
掉头发的小白完成签到,获得积分10
1分钟前
不想看文献完成签到 ,获得积分10
1分钟前
1分钟前
当女遇到乔完成签到 ,获得积分10
1分钟前
独行者完成签到,获得积分10
1分钟前
眼睛大的电脑完成签到,获得积分10
1分钟前
1分钟前
敏敏发布了新的文献求助10
1分钟前
木木完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
JamesPei应助科研通管家采纳,获得10
1分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038066
求助须知:如何正确求助?哪些是违规求助? 3575779
关于积分的说明 11373801
捐赠科研通 3305584
什么是DOI,文献DOI怎么找? 1819239
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022