Copertina

Early Stopping Against Label Noise Without Validation Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yuan, Suqin, Feng, Lei, Liu, Tongliang
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

Instance-dependent Early Stopping
di: Yuan, Suqin, et al.
Pubblicazione: (2025)

Mitigating Mismatch within Reference-based Preference Optimization
di: Yuan, Suqin, et al.
Pubblicazione: (2026)

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

Convex SGD: Generalization Without Early Stopping
di: Hendrickx, Julien, et al.
Pubblicazione: (2024)

When to Stop Federated Learning: Zero-Shot Generation of Synthetic Validation Data with Generative AI for Early Stopping
di: Lee, Youngjoon, et al.
Pubblicazione: (2025)

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

FORCE: Transferable Visual Jailbreaking Attacks via Feature Over-Reliance CorrEction
di: Lin, Runqi, et al.
Pubblicazione: (2025)

ERASE: Error-Resilient Representation Learning on Graphs for Label Noise Tolerance
di: Chen, Ling-Hao, et al.
Pubblicazione: (2023)

Don't Waste Your Time: Early Stopping Cross-Validation
di: Bergman, Edward, et al.
Pubblicazione: (2024)

Failures and Successes of Cross-Validation for Early-Stopped Gradient Descent
di: Patil, Pratik, et al.
Pubblicazione: (2024)

BadLabel: A Robust Perspective on Evaluating and Enhancing Label-noise Learning
di: Zhang, Jingfeng, et al.
Pubblicazione: (2023)

Mitigating Label Noise through Data Ambiguation
di: Lienen, Julian, et al.
Pubblicazione: (2023)

Early Stopping Tabular In-Context Learning
di: Küken, Jaris, et al.
Pubblicazione: (2025)

Beyond Fixed Rounds: Data-Free Early Stopping for Practical Federated Learning
di: Lee, Youngjoon, et al.
Pubblicazione: (2026)

Negative Label Guided OOD Detection with Pretrained Vision-Language Models
di: Jiang, Xue, et al.
Pubblicazione: (2024)

Generating the Ground Truth: Synthetic Data for Soft Label and Label Noise Research
di: de Vries, Sjoerd, et al.
Pubblicazione: (2023)

Robust Training of Federated Models with Extremely Label Deficiency
di: Zhang, Yonggang, et al.
Pubblicazione: (2024)

Early Stopping Based on Repeated Significance
di: Bax, Eric, et al.
Pubblicazione: (2024)

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

ESPO: Early-Stopping Proximal Policy Optimization
di: Li, Zihang, et al.
Pubblicazione: (2026)

Regretful Decisions under Label Noise
di: Nagaraj, Sujay, et al.
Pubblicazione: (2025)

Rethinking Early Stopping: Refine, Then Calibrate
di: Berta, Eugène, et al.
Pubblicazione: (2025)

Statistical Early Stopping for Reasoning Models
di: Xie, Yangxinyu, et al.
Pubblicazione: (2026)

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

Label Noise: Ignorance Is Bliss
di: Zhu, Yilun, et al.
Pubblicazione: (2024)

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

Calibrated Regression Against An Adversary Without Regret
di: Deshpande, Shachi, et al.
Pubblicazione: (2023)

Benefits of Early Stopping in Gradient Descent for Overparameterized Logistic Regression
di: Wu, Jingfeng, et al.
Pubblicazione: (2025)

GRADSTOP: Early Stopping of Gradient Descent via Posterior Sampling
di: Jamshidi, Arash, et al.
Pubblicazione: (2025)

Sequential Harmful Shift Detection Without Labels
di: Amoukou, Salim I., et al.
Pubblicazione: (2024)

Handling Label Noise via Instance-Level Difficulty Modeling and Dynamic Optimization
di: Zhang, Kuan, et al.
Pubblicazione: (2025)

A Robust State Filter Against Unmodeled Process And Measurement Noise
di: Liu, Weitao
Pubblicazione: (2025)

Hide and Seek in Noise Labels: Noise-Robust Collaborative Active Learning with LLM-Powered Assistance
di: Yuan, Bo, et al.
Pubblicazione: (2025)

Bigger Isn't Always Memorizing: Early Stopping Overparameterized Diffusion Models
di: Favero, Alessandro, et al.
Pubblicazione: (2025)

Label-Noise Robust Diffusion Models
di: Na, Byeonghu, et al.
Pubblicazione: (2024)

Label Noise: Correcting the Forward-Correction
di: Toner, William, et al.
Pubblicazione: (2023)

Why is SAM Robust to Label Noise?
di: Baek, Christina, et al.
Pubblicazione: (2024)

S2O: Early Stopping for Sparse Attention via Online Permutation
di: Zhang, Yu, et al.
Pubblicazione: (2026)

Reliably Detecting Model Failures in Deployment Without Labels
di: Nguyen, Viet, et al.
Pubblicazione: (2025)