Copertina

Understanding and Mitigating the Bias in Sample Selection for Learning with Noisy Labels

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wei, Qi, Feng, Lei, Wang, Haobo, An, Bo
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Variational Rectification Inference for Learning with Noisy Labels
di: Sun, Haoliang, et al.
Pubblicazione: (2026)

Mitigating Label Noise on Graph via Topological Sample Selection
di: Wu, Yuhao, et al.
Pubblicazione: (2024)

Learning with Imbalanced Noisy Data by Preventing Bias in Sample Selection
di: Liu, Huafeng, et al.
Pubblicazione: (2024)

Enhancing Sample Selection Against Label Noise by Cutting Mislabeled Easy Examples
di: Yuan, Suqin, et al.
Pubblicazione: (2025)

Mitigating Noisy Supervision Using Synthetic Samples with Soft Labels
di: Lu, Yangdi, et al.
Pubblicazione: (2024)

Sample Selection Bias in Machine Learning for Healthcare
di: Chauhan, Vinod Kumar, et al.
Pubblicazione: (2024)

Estimating Noisy Class Posterior with Part-level Labels for Noisy Label Learning
di: Zhao, Rui, et al.
Pubblicazione: (2024)

CroSel: Cross Selection of Confident Pseudo Labels for Partial-Label Learning
di: Tian, Shiyu, et al.
Pubblicazione: (2023)

Federated Learning with Instance-Dependent Noisy Label
di: Wang, Lei, et al.
Pubblicazione: (2023)

Sample Selection via Contrastive Fragmentation for Noisy Label Regression
di: Kim, Chris Dongjoo, et al.
Pubblicazione: (2025)

Detect and Correct: A Selective Noise Correction Method for Learning with Noisy Labels
di: Grinberg, Yuval, et al.
Pubblicazione: (2025)

NoisyGL: A Comprehensive Benchmark for Graph Neural Networks under Label Noise
di: Wang, Zhonghao, et al.
Pubblicazione: (2024)

Deep Learning Classification With Noisy Labels
di: Sanchez, Guillaume, et al.
Pubblicazione: (2020)

Noisy Early Stopping for Noisy Labels
di: Toner, William, et al.
Pubblicazione: (2024)

Learning Discriminative Dynamics with Label Corruption for Noisy Label Detection
di: Kim, Suyeon, et al.
Pubblicazione: (2024)

Understanding SAM's Robustness to Noisy Labels through Gradient Down-weighting
di: Luong, Hoang-Chau, et al.
Pubblicazione: (2024)

Tackling Noisy Labels with Network Parameter Additive Decomposition
di: Wang, Jingyi, et al.
Pubblicazione: (2024)

ChronoSelect: Robust Learning with Noisy Labels via Dynamics Temporal Memory
di: Wang, Jianchao, et al.
Pubblicazione: (2025)

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
di: Wang, Yingxu, et al.
Pubblicazione: (2025)

High-dimensional Learning with Noisy Labels
di: Firdoussi, Aymane El, et al.
Pubblicazione: (2024)

On the Origins of Sampling Bias: Implications on Fairness Measurement and Mitigation
di: Zhioua, Sami, et al.
Pubblicazione: (2025)

Scalable Label Distribution Learning for Multi-Label Classification
di: Zhao, Xingyu, et al.
Pubblicazione: (2023)

Multi-scale DeepOnet (Mscale-DeepOnet) for Mitigating Spectral Bias in Learning High Frequency Operators of Oscillatory Functions
di: Wang, Bo, et al.
Pubblicazione: (2025)

Dirichlet-based Per-Sample Weighting by Transition Matrix for Noisy Label Learning
di: Bae, HeeSun, et al.
Pubblicazione: (2024)

A Theoretical Understanding of Gradient Bias in Meta-Reinforcement Learning
di: Feng, Xidong, et al.
Pubblicazione: (2021)

Learning from Noisy Labels via Conditional Distributionally Robust Optimization
di: Guo, Hui, et al.
Pubblicazione: (2024)

Dirichlet-Based Prediction Calibration for Learning with Noisy Labels
di: Zong, Chen-Chen, et al.
Pubblicazione: (2024)

FedNoisy: Federated Noisy Label Learning Benchmark
di: Liang, Siqi, et al.
Pubblicazione: (2023)

COLUR: Confidence-Oriented Learning, Unlearning and Relearning with Noisy-Label Data for Model Restoration and Refinement
di: Sui, Zhihao, et al.
Pubblicazione: (2025)

The Exploration of Error Bounds in Classification with Noisy Labels
di: Liu, Haixia, et al.
Pubblicazione: (2025)

Foster Adaptivity and Balance in Learning with Noisy Labels
di: Sheng, Mengmeng, et al.
Pubblicazione: (2024)

Learning to Clean: Reinforcement Learning for Noisy Label Correction
di: Heidari, Marzi, et al.
Pubblicazione: (2025)

Joint Asymmetric Loss for Learning with Noisy Labels
di: Wang, Jialiang, et al.
Pubblicazione: (2025)

Efficient Bilevel Optimization for Meta Label Correction in Noisy Label Learning
di: Nguyen, Ba Hoang Anh, et al.
Pubblicazione: (2026)

TMLC-Net: Transferable Meta Label Correction for Noisy Label Learning
di: Li, Mengyang
Pubblicazione: (2025)

Introducing Fractional Classification Loss for Robust Learning with Noisy Labels
di: Kurucu, Mert Can, et al.
Pubblicazione: (2025)

Learning to Forget with Information Divergence Reweighted Objectives for Noisy Labels
di: Birrell, Jeremiah, et al.
Pubblicazione: (2025)

Potential Energy based Mixture Model for Noisy Label Learning
di: Wang, Zijia, et al.
Pubblicazione: (2024)

Seismic Traveltime Tomography with Label-free Learning
di: Wang, Feng, et al.
Pubblicazione: (2024)

Active Learning for Graphs with Noisy Structures
di: Chi, Hongliang, et al.
Pubblicazione: (2024)