Buchumschlag

Batch Selection for Multi-Label Classification Guided by Uncertainty and Dynamic Label Correlations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Ao, Liu, Bin, Wang, Jin, Tsoumakas, Grigorios
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

Multi-Label Adaptive Batch Selection by Highlighting Hard and Imbalanced Samples
von: Zhou, Ao, et al.
Veröffentlicht: (2024)

D2ACE: Multi-Label Batch Selection Guided by Dual Dynamics and Adaptive Correlation Enhancement
von: Liu, Bin, et al.
Veröffentlicht: (2026)

AEMLO: AutoEncoder-Guided Multi-Label Oversampling
von: Zhou, Ao, et al.
Veröffentlicht: (2024)

Labeled TrustSet Guided: Batch Active Learning with Reinforcement Learning
von: Cui, Guofeng, et al.
Veröffentlicht: (2026)

Batch Selection and Communication for Active Learning with Edge Labeling
von: Croisfelt, Victor, et al.
Veröffentlicht: (2023)

Label Cluster Chains for Multi-Label Classification
von: Gatto, Elaine Cecília, et al.
Veröffentlicht: (2024)

SEHFS: Structural Entropy-Guided High-Order Correlation Learning for Multi-View Multi-Label Feature Selection
von: Peng, Cheng, et al.
Veröffentlicht: (2026)

FedHarmony: Harmonizing Heterogeneous Label Correlations in Federated Multi-Label Learning
von: Kou, Zhiqiang, et al.
Veröffentlicht: (2026)

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

Leveraging Label Semantics and Meta-Label Refinement for Multi-Label Question Classification
von: Dong, Shi, et al.
Veröffentlicht: (2024)

Correlation-Aware Graph Convolutional Networks for Multi-Label Node Classification
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Noise-Resistant Label Reconstruction Feature Selection for Partial Multi-Label Learning
von: Gao, Wanfu, et al.
Veröffentlicht: (2025)

Adaptive Collaborative Correlation Learning-based Semi-Supervised Multi-Label Feature Selection
von: Yang, Li, et al.
Veröffentlicht: (2024)

Uncertainty-Guided Label Rebalancing for CPS Safety Monitoring
von: Ayotunde, John, et al.
Veröffentlicht: (2026)

Batch Bayesian Active Learning with Partial Batch Label Sampling
von: Hu, Kangping, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Global-View Reconstruction for Multi-View Multi-Label Feature Selection
von: Hao, Pingting, et al.
Veröffentlicht: (2025)

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

A Multi-Resolution Mutual Learning Network for Multi-Label ECG Classification
von: Huang, Wei, et al.
Veröffentlicht: (2024)

Classifier Chain Networks for Multi-Label Classification
von: Touw, Daniel J. W., et al.
Veröffentlicht: (2024)

Automated Machine Learning for Multi-Label Classification
von: Wever, Marcel
Veröffentlicht: (2024)

Dual-Encoders for Extreme Multi-Label Classification
von: Gupta, Nilesh, et al.
Veröffentlicht: (2023)

Graph Random Walk with Feature-Label Space Alignment: A Multi-Label Feature Selection Method
von: Gao, Wanfu, et al.
Veröffentlicht: (2025)

Federated Learning with Only Positive Labels by Exploring Label Correlations
von: An, Xuming, et al.
Veröffentlicht: (2024)

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

Uncertainty Calibration of Multi-Label Bird Sound Classifiers
von: Schwinger, Raphael, et al.
Veröffentlicht: (2025)

Rethinking Consistent Multi-Label Classification Under Inexact Supervision
von: Wang, Wei, et al.
Veröffentlicht: (2025)

Redundancy-optimized Multi-head Attention Networks for Multi-View Multi-Label Feature Selection
von: Liu, Yuzhou, et al.
Veröffentlicht: (2025)

Label Noise Cleaning for Supervised Classification via Bernoulli Random Sampling
von: Liu, Yuxin, et al.
Veröffentlicht: (2026)

Label Distribution Learning with Biased Annotations by Learning Multi-Label Representation
von: Kou, Zhiqiang, et al.
Veröffentlicht: (2025)

Causal Multi-Label Feature Selection in Federated Setting
von: Song, Yukun, et al.
Veröffentlicht: (2024)

GPMFS: Global Foundation and Personalized Optimization for Multi-Label Feature Selection
von: Cao, Yifan, et al.
Veröffentlicht: (2025)

Dynamic Classification of Latent Disease Progression with Auxiliary Surrogate Labels
von: Cai, Zexi, et al.
Veröffentlicht: (2024)

Explainable Multi-Label Classification of MBTI Types
von: Kong, Siana, et al.
Veröffentlicht: (2024)

Probabilistic Label Spreading: Efficient and Consistent Estimation of Soft Labels with Epistemic Uncertainty on Graphs
von: Klees, Jonathan, et al.
Veröffentlicht: (2026)

Improving Multi-Label Contrastive Learning by Leveraging Label Distribution
von: Chen, Ning, et al.
Veröffentlicht: (2025)

Let Experts Feel Uncertainty: A Multi-Expert Label Distribution Approach to Probabilistic Time Series Forecasting
von: Zhou, Zhen, et al.
Veröffentlicht: (2026)

Pushing One Pair of Labels Apart Each Time in Multi-Label Learning: From Single Positive to Full Labels
von: Li, Xiang, et al.
Veröffentlicht: (2023)

Optimizing Classification of Infrequent Labels by Reducing Variability in Label Distribution
von: Agarwal, Ashutosh
Veröffentlicht: (2025)

DynLP: Parallel Dynamic Batch Update for Label Propagation in Semi-Supervised Learning
von: Shovan, S M, et al.
Veröffentlicht: (2026)

Label-wise Aleatoric and Epistemic Uncertainty Quantification
von: Sale, Yusuf, et al.
Veröffentlicht: (2024)