Buchumschlag

Learning from Noisy Labels via Conditional Distributionally Robust Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Hui, Yi, Grace Y., Wang, Boyu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Learning of Diffusion Models with Extremely Noisy Conditions
von: Chen, Xin, et al.
Veröffentlicht: (2025)

Learning Robust Reward Machines from Noisy Labels
von: Parac, Roko, et al.
Veröffentlicht: (2024)

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

Distribution-Aware Robust Learning from Long-Tailed Data with Noisy Labels
von: Baik, Jae Soon, et al.
Veröffentlicht: (2024)

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

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

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

Robust Classification with Noisy Labels Based on Posterior Maximization
von: Novello, Nicola, et al.
Veröffentlicht: (2025)

Pairwise Similarity Distribution Clustering for Noisy Label Learning
von: Bai, Sihan
Veröffentlicht: (2024)

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

crowd-hpo: Realistic Hyperparameter Optimization and Benchmarking for Learning from Crowds with Noisy Labels
von: Herde, Marek, et al.
Veröffentlicht: (2025)

Noisy Early Stopping for Noisy Labels
von: Toner, William, et al.
Veröffentlicht: (2024)

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

Robust Loss Functions for Training Decision Trees with Noisy Labels
von: Wilton, Jonathan, et al.
Veröffentlicht: (2023)

Exploring the Robustness of In-Context Learning with Noisy Labels
von: Cheng, Chen, et al.
Veröffentlicht: (2024)

Online Multi-Label Classification under Noisy and Changing Label Distribution
von: Zou, Yizhang, et al.
Veröffentlicht: (2024)

Learning Credal Ensembles via Distributionally Robust Optimization
von: Wang, Kaizheng, et al.
Veröffentlicht: (2026)

Robust Self-Training with Closed-loop Label Correction for Learning from Noisy Labels
von: Lin, Zhanhui, et al.
Veröffentlicht: (2026)

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

Understanding and Mitigating the Bias in Sample Selection for Learning with Noisy Labels
von: Wei, Qi, et al.
Veröffentlicht: (2024)

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

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

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

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

FedCova: Robust Federated Covariance Learning Against Noisy Labels
von: Zhong, Xiangyu, et al.
Veröffentlicht: (2026)

Robust Assignment of Labels for Active Learning with Sparse and Noisy Annotations
von: Kałuża, Daniel, et al.
Veröffentlicht: (2023)

Robust Federated Learning against Noisy Clients via Masked Optimization
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

Learning from Noisy Labels for Long-tailed Data via Optimal Transport
von: Li, Mengting, et al.
Veröffentlicht: (2024)

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

Generalizing Few Data to Unseen Domains Flexibly Based on Label Smoothing Integrated with Distributionally Robust Optimization
von: Wang, Yangdi, et al.
Veröffentlicht: (2024)

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

Multiclass Learning from Noisy Labels for Non-decomposable Performance Measures
von: Zhang, Mingyuan, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

CleaR: Towards Robust and Generalized Parameter-Efficient Fine-Tuning for Noisy Label Learning
von: Kim, Yeachan, et al.
Veröffentlicht: (2024)