典型文献
基于自适应噪声校正的鲁棒域适应学习
文献摘要：
域适应(Domain Adaptation,DA)学习旨在利用标签丰富的源域来帮助标签稀缺的目标域学习.DA方法通常假设源域数据已正确标记,然而现实中通常很难收集到大量带有干净标签的源实例,带有噪声源标签的噪声DA学习可能会降低目标学习性能.为此,本文提出基于自适应标签噪声校正的鲁棒DA学习方法(Ro-bust DA Method through Adaptive Noise Correction,RoDAC).RoDAC包含两个学习阶段,即自适应噪声标签检测(Adaptive Noise Label Detection,ANLD)和自适应噪声标签校正(Adaptive Noise Label Correction,ANLC).在ANLD中,使用自适应噪声检测器识别带有噪声标签的源实例,并进一步在ANLC中自适应地校正噪声标签,将其重新投入域适应学习中.与基准数据集进行比较,结果表明RoDAC方法在源域标签存在噪声的域适应场景中取得了显著的性能提升.该学习策略可集成至许多现有的DA方法中,以提升其在噪声标签场景下的学习性能.
文献关键词：
域适应;噪声标签检测;噪声标签校正;鲁棒性;元网络
中图分类号：
作者姓名：
汪云云;桂旭;郑潍雯;薛晖
作者机构：
南京邮电大学计算机科学与技术学院,江苏南京 210023;南京邮电大学,江苏省大数据安全与智能处理重点实验室,江苏南京 210023;东南大学计算机科学与工程学院,江苏南京 210023
文献出处：
引用格式：
[1]汪云云;桂旭;郑潍雯;薛晖-.基于自适应噪声校正的鲁棒域适应学习)[J].广西科学,2022(04):660-667
A类：
RoDAC,噪声标签检测,ANLD,噪声标签校正,ANLC
B类：
自适应噪声,域适应,Domain,Adaptation,源域,稀缺,目标域,干净,噪声源,目标学习,学习性,应标,标签噪声,bust,Method,through,Adaptive,Noise,Correction,Label,Detection,噪声检测,检测器,器识,基准数据集,性能提升,学习策略,元网络
AB值：
0.261052
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
